LLM RAG에 대한 글을 공유 받고, 이 글을 AI와 공부한 내용을 정리해서 업로드 합니다. [LINK] 1. 단순한 위키를 넘어선 ‘지식 운영체제(Knowledge OS)’로의 진화 영구적 위키(Persistent Wiki)는 단순한 정보의 저장소가 아님. 이것은 사용자의 사고 과정을 보조하고, 방대한 데이터를 구조화하여 필요할 때 즉각적인 통찰을 제공하는 ‘개인용 지식 운영체제(Knowledge OS)’임. 기존의 폴더 기반 정리 방식이 정적이고 수동적이었다면, LLM이 … 더 읽기
LLM RAG에 대한 글을 공유 받고, 이 글을 AI와 공부한 내용을 정리해서 업로드 합니다. [LINK] 1. 지식의 복리(Compounding Knowledge): 시간이 흐를수록 정교해지는 위키 영구적 위키(Persistent Wiki)의 가장 큰 매력은 데이터가 쌓일수록 정보의 밀도와 정확도가 기하급수적으로 상승한다는 것이다. 일반적인 RAG 시스템은 데이터가 늘어날수록 검색 노이즈가 증가하여 답변의 질이 정체되거나 오히려 하락하는 현상을 겪음. 하지만 안드레이 카파시가 … 더 읽기
LLM RAG에 대한 글을 공유 받고, 이 글을 AI와 공부한 내용을 정리해서 업로드 합니다. [LINK] 1. 지식의 충돌과 해결: 상충 관리(Conflict Resolution)의 메커니즘 영구적 위키에 새로운 데이터를 통합할 때 가장 빈번하게 발생하는 문제는 기존 지식과의 충돌임. 과거의 데이터는 A가 정답이라고 기록했지만, 최신 논문이나 보고서는 B가 새로운 표준이라고 주장할 수 있음. 이때 LLM은 단순히 기존 파일을 … 더 읽기
LLM RAG에 대한 글을 공유 받고, 이 글을 AI와 공부한 내용을 정리해서 업로드 합니다. [LINK] 1. 지식의 위계 질서: Raw, Wiki, Schema의 3층 구조 설계 LLM 위키가 단순한 파일 뭉치로 전락하지 않으려면 엄격한 계층 구조가 필요함. 안드레이 카파시는 이를 세 가지 층위로 구분하여 관리할 것을 제안했음. ㄱ. 첫 번째 층은 ‘Raw Sources(원천 데이터)’임. 이것은 수정이 … 더 읽기
LLM RAG에 대한 글을 공유 받고, 이 글을 AI와 공부한 내용을 정리해서 업로드 합니다. [LINK] 1. 기존 RAG 방식의 구조적 결함과 지식의 휘발성 현재 대부분의 AI 서비스가 채택하고 있는 RAG(Retrieval-Augmented Generation)는 사용자의 질문이 들어오는 순간 관련 문서를 검색하여 답변을 생성하는 방식임. 하지만 이 방식은 근본적인 한계를 지니고 있다는 것이다. 질문이 발생할 때마다 원시 데이터(Raw Data)에서 … 더 읽기
