퀴즈: RAG 구조

문항 7개. 정답과 해설은 풀어 본 뒤에 보여 드립니다.

1. RAG 답변 품질이 나쁠 때 가장 먼저 해야 할 일은?

   1. 생성 프롬프트를 처음부터 다시 쓴다
   2. 정답 문서가 검색되었는지부터 확인해 검색 실패와 생성 실패를 가른다
   3. 더 크고 비싼 모델로 바꿔 본다
   4. 모델의 컨텍스트 창을 더 늘린다

2. Recall@K 와 MRR 의 차이는?

   1. 둘은 같은 지표다
   2. Recall@K 는 생성 품질을, MRR 은 검색 품질을 잰다
   3. Recall@K 는 정답이 상위 K 안에 있는지를, MRR 은 정답이 몇 위에 나왔는지를 본다
   4. MRR 은 K 값이 필요 없어 항상 더 정확하다

3. 밀집 검색(임베딩)과 희소 검색(키워드)을 함께 쓰는 이유는?

   1. 서로 다른 종류의 실패를 하기 때문에 약점을 보완할 수 있어서
   2. 속도를 두 배로 높이기 위해
   3. 저장 공간을 아끼기 위해
   4. 임베딩 모델이 없어도 되기 때문에

4. 재순위기(Reranker)를 검색기 전체가 아니라 상위 후보에만 적용하는 이유는?

   1. 상위 후보만 정답을 포함하기 때문
   2. 재순위기는 벡터를 만들 수 없기 때문
   3. 질의와 문서를 함께 넣어 점수를 매기는 방식이라 정확하지만 느리기 때문
   4. 상위 후보만 메타데이터를 갖기 때문

5. 검색 점수가 임계값 미만일 때 답하지 않게 만드는 규칙의 목적은?

   1. 생성 호출을 줄여 비용을 아끼려고
   2. 관련 없는 문서를 근거로 그럴듯한 답을 지어내는 것을 막기 위해
   3. 생성을 건너뛰어 응답을 빠르게 하려고
   4. 색인 크기를 줄이기 위해서

6. 청크 크기를 정하는 실용적인 기준으로 가장 적절한 것은?

   1. 한 청크가 하나의 질문에 답할 수 있는 최소 단위가 되게 한다
   2. 항상 512토큰으로 고정한다
   3. 문서를 정확히 10등분한다
   4. 가능한 한 크게 만든다

7. 청크에 문서 제목과 섹션 경로 같은 메타데이터를 덧붙여 색인하면 얻는 것은?

   1. 중복이 줄어 저장 공간이 작아진다
   2. 청크만으로는 부족한 문맥이 보완되어 검색 품질이 오르고 필터링에도 쓸 수 있다
   3. 임베딩 벡터의 차원이 줄어든다
   4. 문서가 바뀌어도 재색인이 필요 없어진다