RAG·검색

UNREAL은 동결된 대규모 언어 모델의 내부 표현을 활용해 코퍼스 검색과 장문맥 추론을 하나의 증거 선택 메커니즘으로 처리하는 방법입니다. 대규모 Wikipedia 검색과 초장문맥 평가에서 성능 향상을 보고했습니다.

CANOPY는 검색된 텍스트, 표, 동영상 등의 항목을 계층 구조로 표현하고 질문과의 관련도에 따라 보존 범위를 조절한다. 현재 증거가 부족하면 목표를 정한 후속 검색도 요청한다.

ScholarCatalyst는 단순히 주제가 비슷한 논문이 아니라, 특정 연구 프로젝트를 실제로 발전시킬 수 있는 논문을 검색하는 능력을 평가합니다. 저자들의 판단을 기반으로 한 실험에서 현재의 AI 에이전트는 전문가 수준에 미치지 못했습니다.

새 연구가 밀집 검색에서 공유 투영과 이중 투영을 선택하는 문제를 편향과 분산의 관점에서 분석했습니다. 데이터가 많아지거나 질의와 문서 공간의 기하가 달라질수록 이중 투영의 장점이 커진다는 결과를 제시합니다.

D-RAC는 PDF, Word, 프레젠테이션, 스프레드시트, 스캔 문서를 PDF로 정규화한 뒤 한 번의 멀티모달 처리로 검색 최적화 Markdown을 생성합니다. 이후 청크 계획은 원문 재생성이 아니라 요소 ID를 기준으로 수행됩니다.

SELF-INDEX는 검색 실패를 사람이 일일이 분석하지 않아도 인덱스를 지속적으로 개선하는 프레임워크입니다. 인덱스 키를 선택적으로 수정하고, 쿼리 시뮬레이터로 아직 관측되지 않은 정보 요구까지 탐색합니다.

GLIE는 시각 문서 페이지에 저장되는 대규모 벡터 집합이 실제로는 낮은 차원의 구조 주변에 집중된다는 점을 활용한다. 소수의 정규화 벡터를 인덱스와 전체 표현 재생성의 기반으로 함께 사용한다.

OreoLook는 대화 컨텍스트, 의미적으로 유사한 질의, URL 임베딩을 각각 캐시하는 3계층 구조를 제안한다. 로컬 검색과 캐시는 일반 CPU 서버에서 처리하고, 최종 답변 합성은 원격 추론 제공업체에 맡긴다.

RAG의 문제는 검색 정보가 부족할 때만 발생하지 않습니다. 검색된 문서가 서로 충돌할 수도 있기 때문입니다. 새로운 연구는 언어 모델의 내부 신호를 해독해 생성 전에 답변 가능, 정보 부족, 정보 충돌을 구분하는 방법을 제시합니다.

음성 기반 멀티홉 질의응답에서 더 풍부한 검색 구조가 절대 성능은 높이지만, 상류 음성인식 오류에는 오히려 더 취약할 수 있다는 연구 결과가 나왔다. 특히 질의 속 엔터티가 잘못 인식되는 현상이 오류 전파의 핵심 원인으로 나타났다.

Accel이 주도한 2,600만 달러 시드 투자를 유치한 Keenable이 스텔스 모드에서 나왔다. 회사는 AI 시스템을 겨냥해 1,000억 개가 넘는 웹 문서 검색 인덱스를 구축하고 있다고 밝혔다.

Amazon DynamoDB가 네이티브 벡터 검색을 지원하면서 임베딩 벡터와 애플리케이션 데이터를 같은 테이블에 저장할 수 있게 됐다. AI 애플리케이션의 구성을 단순화할 수 있지만, 전용 벡터 데이터베이스가 곧바로 사라진다는 의미는 아니다.

새 연구는 추론 시 검색된 문서를 제공하지 않아도 고정된 문서 모음에 답할 수 있도록 하는 IAR 후학습 프레임워크를 제안했다. 문서 지식 주입, QA 행동 정렬, 일반 능력 회복을 분리해 다루는 것이 핵심이다.

Google이 독자가 특정 매체를 우선적으로 볼 수 있도록 하는 ‘Preferred Sources’ 버튼을 출판사 웹사이트에 삽입할 수 있게 했다. AI 검색이 원문 사이트로 향하는 클릭을 줄이는 가운데, 출판사에 새로운 유입 경로를 제공하려는 시도다.

RAG 포이즈닝 공격은 모델을 불확실하게 만드는 대신 잘못된 정보에 과도한 확신을 갖게 할 수 있다. 새로운 연구는 생성 과정의 문서 수준 어텐션 엔트로피를 추적하는 D-SCAN을 제안했다.

Shopify는 2분기 실적 발표에서 AI 검색이 전통 검색을 잠식하기보다 가맹점 방문과 주문을 늘리고 있다고 밝혔다. AI 기반 트래픽과 주문은 전년 대비 3배로 증가했다.

DeepVoyager-VL은 이미지를 처음에만 보는 방식에서 벗어나, 시각 증거가 검색과 중간 추론을 계속 이끄는 구조를 제안합니다. 긴 정보 탐색 과정에서 텍스트와 이미지를 반복적으로 활용하는 점이 핵심입니다.

Alibaba-NLP의 UEmbed는 decoder-only 멀티모달 임베딩 모델로, 한 번의 인과적 forward pass에서 희소 어휘 표현과 조밀 벡터를 함께 생성한다. 검색, RAG, 멀티모달 검색에서 분리되어 있던 표현 체계를 통합하려는 시도다.

Reddit CEO Steve Huffman은 Google AI Overviews가 기존 검색 링크만큼 웹 생태계에 가치를 돌려주고 있는지 의문을 제기했다. 실적은 예상을 웃돌았지만 검색 유입의 불안정성이 투자자 우려를 키웠다.

새로운 RAG 확장성 연구는 코퍼스가 커질수록 전통적인 BM25 검색이 더 강력한 기본 선택지가 될 수 있음을 보여준다. 작은 규모에서는 File-System Agent가 앞서지만, 약 1천만 코퍼스 토큰 부근에서 BM25가 역전한다.

TechCrunch가 인용한 Similarweb 데이터에 따르면 Google AI Overviews는 이제 검색의 43%에 표시된다. 1년 전 15%에서 크게 늘어나며 AI 생성 답변이 검색 경험의 중심으로 들어오고 있다.