Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (RAG) (Patrick Lewis et al.)
·
AI Research Paper Review/Post-Transformer
본 논문은 Retrieval-Augmented Generation (RAG)이라는 새로운 프레임워크를 제안하여, Parametric Memory와 Non-Parametric Memory을 결합해 Knowledge-Intensive NLP Task를 해결하고자 한다. 기존 LM은 대규모 데이터로 학습하여 파라미터로 저장하지만 정보의 갱신·설명·사실성 유지에 한계가 있었고, ORQA·REALM 같은 선행 연구는 주로 Extractive QA에 머물렀다. RAG는 Dense Passage Retriever(DPR)로 관련 문서를 검색하고, BART 기반 생성기로 이를 활용해 답변을 생성하며, Evidence Supervision 없이 End-to-End로 학습된다. 두 가지 변형(RAG-Sequence, RA..