연구진이 장문 문서 질의응답을 위한 RAG 프레임워크 DocTrace를 제안했어요. DocTrace는 쿼리에 따라 지식을 조직하고 문서 구조를 활용하며 이전 추론 경험을 재사용합니다. 4개의 장문 QA 데이터셋 실험 결과, 기존 최고 성능 모델인 ComoRAG를 최대 8.85% 성능으로 능가했습니다.
DocTrace는 문서 계층 구조를 유지하는 가벼운 인덱스를 사용하고, 추론 중 에이전트 간 공유 하이퍼그래프 구조의 작업 메모리를 동적으로 생성합니다. 또한 성공적인 추론 계획을 그래프 구조의 경험 메모리에 저장하여 관련 장문 질문에 대한 적응형 탐색을 지원합니다.
기존 RAG 방식의 지식 조직 비용, 문서 구조 활용 부족, 추론 경험 재사용 불가 문제를 해결하며, 전체 계산 비용을 53.32% 절감했습니다.