Antigravity Agent
2.5 KiB
2.5 KiB
id, category, confidence_score, tags, last_reinforced
| id | category | confidence_score | tags | last_reinforced | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| IR-REL-FEEDBACK-001 | Unified | 1.0 |
|
2026-04-26 |
Relevance Feedback (관련성 피드백)
📌 한 줄 통찰 (The Karpathy Summary)
"사용자의 만족과 불만족을 학습의 '나침반'으로 삼아, 모호한 질문(Query)을 정교한 정답의 좌표로 끊임없이 수정하라" — 정보 검색 시스템에서 사용자가 제시된 결과의 유용성을 평가하면, 그 피드백을 반영하여 검색 쿼리를 개선하고 더 관련성 높은 결과를 도출하는 상호작용 기법.
📖 구조화된 지식 (Synthesized Content)
- 추출된 패턴: "Iterative Query Refinement and Vector Shifting" — 사용자가 선택한 '좋은 문서' 쪽으로 검색 벡터를 이동시키고(Rocchio Algorithm), 선택하지 않은 '나쁜 문서'로부터는 멀어지게 하여, 사용자의 실제 의도(Intent)에 검색 엔진의 초점을 맞추는 패턴.
- 주요 피드백 방식:
- Explicit Feedback: 사용자가 직접 "좋아요/싫어요" 혹은 별점을 매김.
- Implicit Feedback: 사용자의 클릭, 체류 시간, 구매 이력 등을 통해 의도를 추정.
- Pseudo Relevance Feedback: 상위 n개 결과가 무조건 맞다고 가정하고 자동으로 쿼리를 확장.
- 의의: 사용자가 자신의 의도를 완벽한 키워드로 설명하지 못하더라도, 시스템과의 반복적인 상호작용을 통해 최적의 정보에 도달하게 함.
⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- 과거 데이터와의 충돌: 단순히 키워드를 추가하던 방식에서, 이제는 거대 언어 모델(LLM)이 사용자의 피드백 문맥을 이해하여 질문 자체를 다시 쓰는(Query Rewriting) 지능형 피드백 시스템으로 고도화됨.
- 정책 변화: Antigravity 프로젝트는 에이전트의 답변에 대한 사용자의 수정이나 추가 질문을 '강력한 관련성 피드백'으로 인지하여, 다음 검색 시 해당 피드백이 반영된 최적의 지식 노드를 우선적으로 탐색함.
🔗 지식 연결 (Graph)
- Ranking-Algorithms, RAG-and-Document-Retrieval, Reinforcement-Learning, Performance-Metrics-in-AI
- Raw Source: 10_Wiki/Topics/AI/Relevance-Feedback.md