Agentic Retrieval-Augmented Generation: A Survey on Agentic RAG

이 서베이는 빠르게 발전하는 Agentic 검색 증강 생성 분야를, 다양한 구조에 대한 원칙적 분류 체계를 도입하고 전통적 RAG로부터의 진화를 추적하여 통합함으로써, 구조적 이해를 제공하고 향후 연구 방향을 부각한다.

핵심 요약

대규모 언어 모델(LLM)은 정적 학습 데이터에 의존하는 탓에 시대에 뒤떨어지거나 사실과 다른 콘텐츠를 자주 생성한다.
전통적 검색 증강 생성(RAG) 시스템은 경직되고 사전 정의된 워크플로를 가져, 복잡한 다단계 추론이나 응답의 반복적 정제 능력이 제한된다.
신생 분야인 Agentic RAG는 통일된 분류 체계가 부재하여, 구조 설계의 파편화와 용어의 불일치를 드러낸다.
이 서베이는 에이전트 카디널리티, 제어 구조, 자율성, 지식 표현에 기반하여 Agentic RAG 구조를 분류하는 포괄적 분류 체계를 정립한다.
Naïve RAG에서 모듈식·그래프 기반 접근을 거치는 RAG 패러다임의 진화를 체계적으로 분석하여, 에이전트형 시스템의 등장을 맥락화한다.
시스템 설계자를 위한 실용적 지침을 제공하고, Agentic RAG의 향후 발전을 통합하고 이끌기 위한 핵심 미해결 연구 과제를 식별한다.

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.