sentence-transformers로 한국어 RAG 임베딩 실험 — 정확도가 67% 떨어지는 이유
all-MiniLM-L6-v2를 로컬에 설치해 코사인 유사도, 미니 RAG 검색, 다국어 모델 비교까지 직접 측정했다. 영어 최적화 임베딩으로 한국어 RAG를 만들면 정확도가 67% 떨어지는 실측 결과와, 다국어 모델로 이를 해결하는 구체적 방법을 코드와 함께 공유한다.
태그
RAG
6개 글
LlamaIndex vs LangChain vs Haystack — 2026년 RAG 프레임워크 실전 비교
LlamaIndex 0.14, LangChain 1.3, Haystack 2.30을 직접 설치·테스트했다. langchain-community deprecated 경고, 코드 복잡도 측정, InMemory 검색 결과. 2026년 RAG 프레임워크 선택 기준을 실측 데이터로 정리했다.
Vector DB 비교 2026: Qdrant vs ChromaDB vs pgvector 선택 가이드
Qdrant, ChromaDB, pgvector를 1000개 벡터(dim=384)로 직접 벤치마크했다. 삽입 속도·쿼리 지연·필터 성능 수치를 실측 데이터로 비교하고, RAG 앱 상황별 명확한 선택 기준을 제시한다. 소규모에서 ChromaDB가 더 빠른 이유도 설명한다.
Gemini Embedding 2 — 멀티모달 임베딩이 RAG 파이프라인을 바꾼다
Google이 발표한 첫 네이티브 멀티모달 임베딩 모델 Gemini Embedding 2의 핵심 기능과 기존 텍스트 전용 임베딩 대비 아키텍처 변화, RAG 파이프라인 실전 적용법을 EM 관점에서 정리한다.
DeNA LLM 스터디 Part 4: RAG 아키텍처와 최신 트렌드
DeNA 사내 LLM 스터디 Part 4: 기본 RAG 구현부터 지식 그래프를 활용한 GraphRAG, 검색 전략을 스스로 결정하는 Agentic RAG까지 최신 아키텍처 진화를 분석합니다. 프로덕션 도입 시 고려해야 할 기준과 2025〜2026년 트렌드도 함께 정리합니다.
Google Gemini File Search로 RAG 시스템 5분 만에 구축하기
2025년 11월 발표된 Gemini File Search Tool을 사용하여 복잡한 RAG 파이프라인 없이 문서 검색 및 질의응답 시스템을 구축하는 실전 가이드. 완전 관리형 RAG로 개발 시간을 획기적으로 단축하세요.