Tag: rag
All the articles with the tag "rag".
-
그래프 RAG 공부 #2 — SEARCH 는 문법 에러인데, 경고는 SEARCH 로 바꾸라고 했다
Neo4j 에 벡터 인덱스를 만들고 설비 설명을 임베딩해 노드 속성으로 붙였다. SEARCH 로 검색하려다 문법 에러가 나서 queryNodes 로 돌아갔는데, 그걸 실행하자 서버가 SEARCH 로 바꾸라는 경고를 냈다. 마지막에는 벡터로 찾은 설비의 알람까지 한 쿼리로 가져왔다.
-
그래프 RAG 공부 #1 — RETURN 을 속성으로 했더니 그래프가 안 나왔다
그래프 RAG 를 공부하기로 하고 Neo4j Aura 무료 인스턴스부터 만들었다. Cypher 로 노드와 관계를 만들어봤는데, 조회 결과가 표로만 나오고 그래프 뷰가 안 떴다. RETURN 에 무엇을 넘기느냐의 문제였다.
-
RAG 임베딩 비교 — 내 블로그 데이터로 recall@k 측정 (OpenAI vs bge-m3)
[퀀트 회고에서 '느낌 벤치마킹 → 수치 벤치마킹' 원칙](/posts/quant-study-00-pandas) 을 세운 뒤, 이번엔 임베딩 모델 비교를 실제로 수치화. 내 블로그 글 441청크에 OpenAI text-embedding-3-small 과 bge-m3 를 각각 인덱싱하고, 20개 질문·정답 출처 테스트셋으로 recall@3 을 측정. 전체 OpenAI 80% vs bge-m3 90%. hard 난이도에서 bge-m3 가 100% — 단어 안 겹쳐도 의미로 원문과 연결한 케이스가 결정적. easy 에서 놓친 원인은 오타(cladue, 언더스코어)라 채점 기준 자체가 틀렸다는 반전.
-
Eval 공부 #2 — 유사도 기반 평가의 함정 · 테스트셋 5원칙 · '회귀테스트' 라는 용어 오해
Eval 두 번째 시간. 유사도 기반 평가 (임베딩 코사인) 를 직접 돌려봤더니 예상 못 한 결과 — OpenAI text-embedding-3-small 과 bge-m3 둘 다 '틀린 답' 에 가장 높은 점수를 매김. 유사도는 내용이 아니라 주제·표현 근접성을 잡기 때문. 마크다운 형식 차이만으로도 유사도가 크게 흔들림. 실전에선 유사도 + LLM-as-Judge 병행이 표준. 그리고 테스트셋 설계 5원칙 + '회귀테스트가 아니라 개선 검증(A/B)' 이라는 용어 정정.