Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | |
| 7 | 8 | 9 | 10 | 11 | 12 | 13 |
| 14 | 15 | 16 | 17 | 18 | 19 | 20 |
| 21 | 22 | 23 | 24 | 25 | 26 | 27 |
| 28 | 29 | 30 | 31 |
Tags
- re-ranker
- deepseek
- 프롬프트엔지니어링
- yokohamafmarinos
- a.x
- GS아트센터 주차
- 한국어llm
- GPT
- HyperClovaX
- rerank
- 콘텐츠전략
- 파이썬개발
- gs아트센터
- mi:dm
- 개발자생태
- GS아트센터 a열
- AI검색
- reranking
- Rag
- 딥러닝
- 리랭크
- ecomgpt
- llm
- 개발자현황
- llm비교
- it
- Python
- qwen
- NLP
- GPT-OSS
Archives
- Today
- Total
목록reranking (1)
너드한 일상
[RAG] LLM 기반 RAG 시스템 아키텍처 정리: Retriever·Reranker·Chunking 전략까지
안녕하세요 티아입니다👋요즘, LLM을 공부하면 RAG라는 단어를 들어보지 않을 수 없을 정도인데요,이 RAG가 무엇인가 공부하며 제가 이해한 내용에 대해포스팅해보려 합니다. 1. RAG가 해결하는 문제 정의기본적인 LLM은 고정된 파라미터 안의 분포 정보만 사용하기 때문에,모델 파라미터 밖의 지식(사내 문서, 도메인 스키마, 최신 데이터)을 반영할 수 없고,사실 기반 응답 보장이 어렵고,업데이트하려면 재학습 또는 미세조정이 필요하다는 구조적 한계를 가진다.RAG는 이 문제를 해결하기 위해외부 지식 소스(retriever)와 LLM(generator)을 분리하여 결합하는 아키텍처다.2. RAG의 핵심 개념 (기술적으로 정확한 정의)RAG(Retrieval-Augmented Generation)는 질의..
IT/LLM
2025. 12. 16. 18:22