패스트캠퍼스 환급챌린지 12일차 : 테디노트의 RAG 비법노트 강의 후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

 

07. MaxMarginalRelevance(MMR) 알고리즘

 

> SemanticSimilarityExampleSelector : Cosine Similarity 유사도 계산을 해서 가장 유사한 것들을 뽑아내는 알고리즘.  

> MaxMarginalRelevanceExampleSelector : 질문에 답변하기 위한 유사성은 있지만 그 중에서도 좀 더 다양한 예제를 가져오고 싶을 때 사용. 

• 관련성(Relavance) : 검색 쿼리나 주제, 문제의 관령성 평가. 
   → 문서가 주어진 쿼리와 얼마나 잘 일치하는지를 나타내는 점수로 표현됨.
• 다양성(Diversity) : 이미 선택된 문서와의 유사성을 평가하여, 선택 과정에서 문서 간의 다양성 보장
  → 문서 간의 유사성을 계산하여, 이미 선택된 문서와 비슷한 새 문서의 선택 가능성을 낮춤

MMR 알고리즘 작동 순서

1. 가장 관련성 높은 항목 선택

2. 현재 선택된 항목들과 관련성은 높으면서도 가장 차별화된 항목을 찾아 선택.

    → λ 값에 의해 조절되며, 이 값이 클수록 관련성을, 작을수록 다양성을 더 중시

 

09. 목적에 맞는 예제 선택기(CustomExampleSelector)

 

Example Selector의 유사도 검색 문제 해결

유사도 계산시 instruction과 input을 사용하는데, instruction만 사용하여 검색시 제대로된 유사도 결과가 나오지 않음. 이를 해결하기 위해 커스텀 유사도 계산을 위한 클래스를 정의함.

 

---

벌써 Ch 1이 끝났어요. 다음 Chapter는 미니 프로젝트네요. 벌써 프로젝트를 하다니...!! 오늘 배운 챕터는 MMR이 단순히 유사도와 다양성이라는 내용 뿐만 아니라, 실무에서 어떻게 쓰이는지 알 수 있어서 좋았어요. 그리고 SemanticSimilaritySelector만 쓰면 예제들이 비슷해서 답변의 품질이 떨어진다는걸 자세히 설명해 주셔서 더 잘 이해됐어요. 이런 내용들을 잘 숙지해서 미니프로젝트를 진행하면 되겠죠? 내일부터 들어갈 미니 프로젝트에서 배운 내용들 실제로 적용해보며 얼마나 답변 품질이 달라지는지 확인해볼게요!!

 

커리어 성장을 위한 최고의 실무교육 아카데미 | 패스트캠퍼스