DEVOCEAN

Advanced RAG Technique 모임 기록을 남깁니다.

길었던 명절 연휴도 있었고, 이번 모임은 6-7회차 예정된 Agenda를 Intensive하게 통합 하여 진행 하였습니다.

지난 다섯 번의 모임을 통해서 RAG의 시작부터 Advanced Techniques를 아우르는 총 15편의 논문을 Study하고 리뷰하였는데요.

이번 모임에서는 실제 RAG 구축에 있어 필수적인 Agenda를 중심으로 실증적인 내용들을 살펴보았습니다.

먼저 이종민님이 "Basic RAG using LangChain: Retriever & Reranker" 를 주제로 발표를 해주셨습니다.

RAG 구축에 보편적으로 사용하는 Lang Chain을 활용하면 손쉽게 RAG Techniques를 적용할 수 있는데요.

사용자 질의를 검색 친화적으로 변환하기 위한 기법중 하나인 Multi-Query, 압축을 통한 효율적인 맥락 처리기법인 Contextual Compression,

검색 순위 최적화를 위한 Reodering, 리트리버간의 복합검색을 위한 Ensemble 기법의 구축과 유의할 사항 등 에 대해 소개하고 논의 하였습니다.

다음으로 배정원님이 "Embedding Models과 Vector Database"를 주제로 발표를 진행했습니다.

현대 LLM을 이해하기 위해선, 먼저 자연어의 의미를 머신이 이해할 수 있는 수치로 변환하는 NLP의 주요 아이디어와 그간의 히스토리를 파악하는 것이 필요한데요.

관련하여 하나의 스토리텔링으로 준비를 잘 해주셔서 들으셨던 모든분들에게 도움이 되셨으리라 생각합니다.

벡터의 저장과 검색이라는 주제도 유사도 산출을 위한 너무 많은 연산 비용 문제와 이를 해결하기 위한 Approximate Nearest Neighbor 알고리즘 소개로 유익한 시간 이었네요.

더불어 경험을 바탕으로 실제 현장에서의 Vector DB의 선택지에 대해 논의했던 시간도 좋았습니다.

마지막으로 SKT 김한범님의 "Langgraph" 발표가 이어졌습니다.

항상 인상적인 발표를 해주시는 분이셔서 오늘도 기대가 되었는데, 역시나 재미있고 흥미로운 발표였습니다.

특히 실제 사례를 바탕으로 Langgraph + RAG 구축 케이스를 소개해 주셨는데, 실무에서 일하는 모습을 옆에서 보는 것 같은 느낌을 받았습니다.

랭스미스, Cursor AI 등 을 활용한 실제 Demo도 참여한 학생분들게 인상적이지 않았을까 생각해 봅니다.

오늘도 유익한 시간 함께 한 것 같습니다.

참여하신 모든분들 수고 많으셨고, 다음 모임에서 뵙도록 하겠습니다~