Files

T

koriweb 5ba5a55c78 feat: Wiki 지식 자산 업데이트 - UX Scenarios, Frontend, Game Design, Topics 추가 [2026-05-08]

2026-05-08 19:52:07 +09:00

4.0 KiB

Raw Blame History

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by, tech_stack

title

Reranking & Hybrid Search

📌 한 줄 통찰 (The Karpathy Summary)

"검색의 필터링과 재조합: 단순한 의미적 유사성(Dense)과 정확한 키워드 매칭(Sparse)을 결합하고, 후보군을 다시 한번 정밀 검사하여 모델에게 가장 완벽한 근거를 제공하는 2단계 검증 시스템."

📖 구조화된 지식 (Synthesized Content)

RAG 시스템의 검색 정확도를 극대화하기 위해 두 가지 이상의 검색 방식을 결합하고 결과를 재정렬하는 기법입니다.

Hybrid Search (하이브리드 검색):
- Dense Retrieval (임베딩 검색): 문맥과 의미를 파악하여 유사한 정보를 찾습니다. (예: "금융 위기"와 "경제 공황")
- Sparse Retrieval (키워드 검색): BM25 등을 사용하여 정확한 단어 매칭을 수행합니다. (예: 제품명, 고유 명사 검색)
- Reciprocal Rank Fusion (RRF): 두 검색 결과의 순위를 수학적으로 결합하여 최종 후보군을 산출합니다.
Reranking (재순위화):
- 필요성: 1차 검색(Vector Search)은 수백만 개 중 후보를 빨리 찾는 데 최적화되어 있어 정밀도가 다소 낮을 수 있습니다.
- 작동: 1차 검색으로 뽑힌 수십 개의 후보군에 대해, 훨씬 무겁고 정밀한 Cross-Encoder 모델을 사용하여 질문과의 관련성을 다시 계산하고 순위를 재배치합니다.
효과:
- 검색 결과의 상위권(Top-K)에 실제 정답이 포함될 확률(Recall)과 정답만 포함될 확률(Precision)을 동시에 높입니다.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

지연 시간: Reranking 단계는 추가적인 모델 연산을 필요로 하므로, 전체 응답 속도가 수백 밀리초 이상 느려질 수 있습니다.
비용: 고성능 Reranker 모델을 사용할 경우 API 호출 비용이나 GPU 자원 소모가 늘어납니다.

🔗 지식 연결 (Graph)

상위 시스템: Retrieval-Augmented Generation (RAG)
연관 기술: Vector Databases & Search, Embedding Models & MRL
주요 툴: Cohere Rerank, BGE-Reranker, Voyage Rerank

Last updated: 2026-05-04

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

(TODO)

언제 쓰면 안 되는가:

(TODO)

🧪 검증 상태 (Validation)

정보 상태: needs_review
출처 신뢰도: A
검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)

🧬 중복 검사 (Duplicate Check)

기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
처리 방식: UPDATE (자동 정규화)
처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

🕓 변경 이력 (Changelog)

날짜	변경 내용	처리 방식	신뢰도
2026-05-08	P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화)	UPDATE	A

💻 코드 패턴 (Code Patterns)

패턴 1: (TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)

# TODO

🤔 의사결정 기준 (Decision Criteria)

선택 A를 써야 할 때:

(TODO)

선택 B를 써야 할 때:

(TODO)

기본값:

(TODO)

❌ 안티패턴 (Anti-Patterns)

[안티패턴]: (TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)

4.0 KiB Raw Blame History