어떤 회사가 대규모 언어 모델과 방대한 디지털 문서를 사용하여 HR 정책 질문에 답변하는 챗봇을 만들고 있습니다. 생성된 답변의 관련성을 가장 잘 개선할 수 있는 기술은 무엇입니까?

RAG(Retrieval Augmented Generation)는 대규모 언어 모델(LLM)이 외부 지식 기반에서 관련 정보를 검색하여 답변을 생성하도록 돕는 기술입니다. HR 정책과 같은 특정 도메인의 방대한 문서에서 정확하고 최신 정보를 찾아 답변에 통합함으로써, 생성된 답변의 관련성과 정확성을 크게 향상시킬 수 있습니다. Few-shot 프롬프팅은 모델에 몇 가지 예시를 제공하여 특정 작업을 수행하도록 유도하지만, 외부 정보 검색 기능은 없습니다. 온도를 1로 설정하는 것은 답변의 무작위성을 높여 창의성을 더할 수 있지만, 관련성을 보장하지는 않습니다. 토큰 크기를 줄이는 것은 답변의 길이를 제한할 뿐 관련성을 직접적으로 개선하지 않습니다.