논문Hugging Face
A New Role for Relevance: Guiding Corpus Interaction in Agentic Search
논문 ID: 2607.2422379 추천
#Agent#RAG#Information Retrieval#Search Optimization#Reasoning#Evaluation
핵심 요약
검색 에이전트의 효율성을 높이기 위해 문서 관련도를 탐색 우선순위로 활용하는 RARG 프레임워크 제안
상세 내용
기존의 검색 에이전트는 문서의 관련도를 단순히 상위 k개 선택에만 사용하며, 복잡한 질문에 필요한 세부 증거를 찾는 데는 한계가 있습니다. 직접적인 코퍼스 상호작용(DCI) 방식은 정밀한 탐색이 가능하지만, 관련도 정보가 부족하면 유용한 단서를 찾는 데 시간이 오래 걸리는 문제가 있습니다. 본 논문은 관련도를 실행 우선순위로 전환하는 RARG(Relevance-Aware RipGrep Search Agent)를 소개합니다. RARG는 문서 순서 지정, 초기 진입점 설정, 검색 결과 재순위화라는 단계적 가이드를 통해 탐색 효율을 극대화합니다. 실험 결과, RARG는 복잡한 브라우징 및 추론 작업에서 기존 방식보다 정확도와 효율성 측면에서 우수한 성능을 보였습니다.
주요 내용
- 관련도를 단순 필터링이 아닌 탐색 실행의 우선순위(Execution Prior)로 활용
- Coarse-to-fine 방식의 단계적 가이드를 통한 문서 순차 탐색 및 진입점 최적화
- 검색 매칭 결과 내에서 정보 가치가 높은 발췌문을 우선 노출하는 재순위화 메커니즘
실무에서 볼 만한 점
단순히 문서를 가져오는 RAG를 넘어, 에이전트가 방대한 데이터 속에서 정답을 찾아가는 '탐색 과정'을 최적화하는 전략을 제공합니다.
참고할 행동
- 기존 RAG 파이프라인에 문서 간 순차적 탐색 로직 적용 실험
- 검색 결과(grep-style)의 재순위화가 LLM의 컨텍스트 윈도우 효율에 미치는 영향 측정
- 질문 유형(단순 정보 추출 vs 복잡 추론)에 따른 RARG의 효율성 벤치마크 수행