상세 보기
수정된 RAG 접근법 기반의 규제 문서 이해를 위한 LLM의 성능 향상
Optimizing LLM Performance for Regulatory Text Comprehension Based on an Advanced RAG Framework
- 백재현;
- 김종락
초록
한국어 규제 문서는 독특한 구조와 복잡한 규제 텍스트 해석으로 인해 대규모 언어 모델(LLM)에 활용하기에 여러 한계가 존재한다. 따라서 이 논문에서는 한국어 규제 문서를 효율적으로 처리하기 위하여 검색 증강 생성(RAG) 프레임워크를 소개하고, 이를 수정한 지식 그래프 기반 문서 변환 기법을 적용한다. 이 기법이 한국 규제 문서를 효율적으로 이해하는 방법이라는 것을 다수의 질의와 응답을 통해 보였다. 실험 결과, 이 프레임워크는 GPT-3.5 및 GPT-3.5 with RAG 모델과 비교하여 규제 문서의 이해와 해석에 있어 상당한 개선을 보였다. 이 프레임워크는 법률, 금융, 의료 분야에서 효율적인 규제 준수와 의사결정 지원에 활용될 수 있는 잠재력을 가지고 있다고 생각한다.
키워드
Retrieval-Augmented Generation; Large Language Models; Regulatory Text Processing; Structure-Aware Embedding; 검색 증강 생성(RAG); 대규모 언어 모델(LLM); 규제 텍스트 처리; 지식 그래프(Knowledge graph); 구조 인식 임베딩
- 제목
- 수정된 RAG 접근법 기반의 규제 문서 이해를 위한 LLM의 성능 향상
- 제목 (타언어)
- Optimizing LLM Performance for Regulatory Text Comprehension Based on an Advanced RAG Framework
- 저자
- 백재현; 김종락
- 발행일
- 2025-02
- 저널명
- 한국지능시스템학회 논문지
- 권
- 35
- 호
- 1
- 페이지
- 65 ~ 71