Sign in Subscribe

RAG

[AI Agent] LLM Evaluation Preview (5주차)

[AI Agent] LLM Evaluation Preview (5주차)

LLM/RAG 시스템의 품질을 숫자로 증명하는 평가 체계를 소개합니다. Golden Dataset, Calibration Dataset, LLM-as-a-Judge, RAGAS 메트릭을 통해 감에 의존하는 평가에서 데이터 기반 의사결정으로 전환하는 방법을 다룹니다.

[AI Agent] Advanced RAG 리뷰(4주차)

[AI Agent] Advanced RAG 리뷰(4주차)

Naive RAG의 한계를 Query, Retrieval, Generation 3단계로 나누어 보완하는 Advanced RAG 기법들을 실무 관점에서 정리합니다. Hybrid Search와 Re-ranking 등 우선 적용할 기법부터 GraphRAG, Agentic RAG 같은 최신 아키텍처까지 전체 지형을 다룹니다.

[AI Agent] Advanced RAG Preview(4주차)

[AI Agent] Advanced RAG Preview(4주차)

Advanced RAG는 Hybrid Search로 의미와 키워드를 동시에 검색하고, Re-ranking과 메타데이터 필터링으로 정확성을 높입니다. 벡터 검색과 BM25를 결합하여 RAG의 검색 정밀도와 재현율 문제를 해결합니다.

[AI Agent] RAG 리뷰(3주차)

[AI Agent] RAG 리뷰(3주차)

RAG 파이프라인 구축 시 Golden Dataset으로 품질을 객관적으로 측정하고, PDF 로더, 청킹 전략, 임베딩 모델을 단계별로 최적화하여 신뢰성 높은 AI 시스템을 만드는 방법을 소개합니다.

[AI Agent] RAG Preview(3주차)

[AI Agent] RAG Preview(3주차)

토큰 제한과 할루시네이션 문제를 해결하는 RAG(검색-증강-생성)의 개념과 구조를 소개합니다. 청킹, 임베딩, 벡터 저장소를 통한 의미론적 검색과 LangChain, LlamaIndex 등 주요 프레임워크를 다룹니다.

[LLM] VLM으로 표를 정확히 추출하기

[LLM] VLM으로 표를 정확히 추출하기

Bedrock의 Qwen3-VL 모델로 PDF 테이블을 추출할 때 rowspan/colspan 병합 셀 처리 오류를 프롬프트 개선으로 해결하는 방법을 소개합니다.

[RAG] 한국어 Reranker 모델을 사용하여 RAG 성능 올리기

[RAG] 한국어 Reranker 모델을 사용하여 RAG 성능 올리기

ReRanking 모델을 사용하여 RAG의 출력 품질을 향상시킬 수 있습니다.

[RAG] 더 나은 RAG를 위해 Retrieval pipeline 개선하기

[RAG] 더 나은 RAG를 위해 Retrieval pipeline 개선하기

벡터 검색 품질을 향상시키기 위한 Sentence-window 청킹 방식을 테스트해보고 정리하였습니다.

[Parser] UpstageLayoutAnalysisLoader 를 활용한 문서 파싱

UpstageDocumentParser

[Parser] UpstageLayoutAnalysisLoader 를 활용한 문서 파싱

UpstageDocumentParser를 사용하여 PDF를 분석하였습니다. 이를통해 이미지, 그래프를 분석하고 다각도 분석을 수행할 수 있도록 구성합니다.

[GraphDB] GraphRAG(Neo4j)

[GraphDB] GraphRAG(Neo4j)

최근 여러 RAG 기법들을 활용하고 있습니다. 여러 방식으로 데이터를 파싱해보고 RAG 구조를 구현해보며 각 방식의 장점과 단점을 확인해보았습니다.

[AI] Pinecone을 활용한 Vector Database부터 DeepEval을 활용한 평가까지

[AI] Pinecone을 활용한 Vector Database부터 DeepEval을 활용한 평가까지

Pinecone 환경에서 Sparse Vector와 Dense Vector를 활용한 검색부터 DeepEval을 활용한 평가까지 테스트하였습니다.

[RAG] 성능 측정 방식 테스트

[RAG] 성능 측정 방식 테스트

RAG 성능 평가를 위한 프레임워크 Deepeval을 통해 검색과 생성 성능을 정밀 측정하고, 서비스 품질과 사용자 만족도를 향상시킬 수 있습니다.