80분
Self-RAG: LLM이 스스로 검증하는 RAG
Day 4: 프로덕션 RAG
Self-RAG: LLM이 스스로 검증하는 RAG
RAG 심화 > Day 4: 프로덕션 RAG
학습 목표
Self-RAG의 4가지 판단 토큰(Retrieve, ISREL, ISSUP, ISUSE)을 이해한다 각 토큰의 판단 로직을 구현할 수 있다 Self-RAG 파이프라인을 완성할 수 있다
Self-RAG 구현
LLM이 스스로 "검색이 필요한지", "검색 결과가 관련있는지", "답변이 충실한지", "답변이 유용한지"를 판단하는 Self-RAG를 만들자.
Self-RAG 의사결정 흐름
[질문]
|
v
[Retrieve Token] "검색이 필요한가?"
|-- No --> LLM 직접 답변
|-- Yes --> 검색 수행
|
v
[ISREL Token] "검색 결과가 관련있는가?"
|-- No --> 쿼리 수정 후 재검색
|-- Yes --> 답변 생성
|
v
[ISSUP Token] "답변이 컨텍스트에 충실한가?"
|-- No --> 답변 재생성 (temperature=0)
|-- Yes --> 계속
|
v
[ISUSE Token] "답변이 유용한가?" (1-5점)
|-- 3점 이하 --> 답변 보강
|-- 4점 이상 --> 최종 답변아래 스타터 코드를 완성하세요.
에디터 로딩 중...
힌트 보기
- • 안전/규격 관련 키워드가 있으면 무조건 검색하도록 강제하세요
- • ISSUP에서 NOT_SUPPORTED이면 더 보수적인 프롬프트로 재생성합니다
- • 재시도 횟수에 제한을 두어 무한 루프를 방지하세요
- • ISUSE 점수가 3점 이하면 답변 품질이 부족한 것입니다
정답 보기
에디터 로딩 중...
AI로 학습하기 — 꿀팁
🤖Self-RAG 판단 토큰 구현 생성AI 학습 팁
AI에게 Retrieve/ISREL/ISSUP/ISUSE 4개 판단 토큰 로직을 함수로 스캐폴딩하도록 요청하세요. 제조 안전 문서 컨텍스트에서 각 토큰의 판단 기준을 구체화해서 받으세요.
제조 안전 문서 RAG에 적용할 Self-RAG를 Python으로 구현해줘. Retrieve 필요 여부 판단, ISREL(관련성), ISSUP(지지 여부), ISUSE(유용성) 4개 토큰을 각각 별도 함수로 분리하고, 판단 기준과 프롬프트 템플릿을 포함해서 작성해줘.
이 팁이 도움이 됐나요?