A New Role for Relevance: Guiding Corpus Interaction in Agentic Search

관련도를 상위 k 선택이 아니라 grep 실행 순서로 쓰면 검색 에이전트가 더 싸고 정확해진다.

RARG는 검색 관련도를 도구 실행 우선순위로 바꾼 에이전트 검색 방법이다. 임베딩 순위로 grep 탐색 순서를 정하고, 좋은 시작 문단을 심고, 매칭 조각을 재순위한다. 결정적 근거를 앞쪽에서 만나게 해 도구 호출을 크게 줄이면서 정확도를 올린다. 100만 문서로 키워도 성능 하락이 완만하다.

핵심 요약

• 관련도를 상위 k 문서 선택이 아니라 grep 탐색 순서로 바꾼다.
• 문서 순위로 전역 관련도를 주고, 매칭 재순위로 지역 관련도를 준다.
• 질문에 맞는 문단으로 검색 시작점을 심어 결정적 근거를 일찍 만난다.
• GPT-5.4-mini에서 정확도 84%를 도구호출 23.9회로 내 경쟁 방법보다 호출이 훨씬 적다.
• 100만 문서로 키워도 79%를 유지해 성능 하락이 완만하다.

논문 링크

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