검색이 잘못됐을 때
검색 증강 생성은 가져온 문서의 관련성에 크게 의존한다. CRAG는 검색이 늘 성공한다고 전제하지 않고 결과가 부적절한 경우에 어떤 후속 행동을 할지 다룬다.
품질 평가와 행동 선택
경량 평가기가 질의에 대한 검색 문서의 전체적인 품질을 살펴 신뢰도를 반환한다. 이 판단에 따라 서로 다른 지식 검색 행동을 실행하도록 구성한다.
웹 검색과 정보 정제
고정된 제한적 자료 집합을 보완하기 위해 웹 검색을 활용한다. 검색 문서를 분해한 뒤 다시 구성하는 절차로 핵심 정보에 집중하고 무관한 내용을 걸러 내는 방법도 제안했다.
기존 방식과의 결합
여러 검색 증강 생성 접근에 덧붙일 수 있는 구성으로 제시됐다. 초기 실험은 짧은 응답과 긴 응답을 포함한 네 데이터셋에서 보정 절차의 효과를 비교했다.
관련 문서
Self-RAG / 검색 증강 생성 / Rewrite-Retrieve-Read / FiD / HyDE 검색 / 언어 모델