최근 몇 년간 거대 언어 모델(Large Language Models, LLMs)은 자연어 처리 분야에 혁신을 가져왔습니다. 방대한 텍스트 데이터를 학습하여 사람과 유사한 텍스트를 생성하고, 복잡한 질문에 답하며, 다양한 창의적 글쓰기 작업을 수행하는 등 인상적인 능력을 보여주고 있습니다.
하지만 이러한 LLM에도 고유한 한계점이 존재합니다. 바로 환각(Hallucination) 현상, 최신 정보 반영의 어려움, 그리고 특정 도메인 지식의 부족입니다.
이러한 문제점들을 극복하고 LLM의 실제 적용 가능성을 높이기 위해 등장한 개념이 바로 RAG(Retrieval-Augmented Generation)입니다. LLM의 한계와 RAG의 필요성 LLM은 학습 시점에 존재했던 데이터만을 기반으로 지식을 습득합니다.
따라서 학습 이후에 발생한 최신 정보나 특정 도메인에 대한 깊이 있는 지식은 부족할 수밖에 없습니다. 또한, 모델이 학습한 데이터 내에서 패턴을 찾아 텍스트를 생성하는 과정에서 ...
