연구진은 다양한 작업에 적합한 단일 검색 파이프라인을 가정하는 기존 RAG 시스템의 한계를 지적하며, Experience-RAG Skill이라는 에이전트 중심 플러그 가능한 검색 오케스트레이션 레이어를 제안했습니다. 이 스킬은 현재 상황을 분석하고 경험 메모리를 참조하여 적절한 검색 전략을 선택하고 에이전트에게 구조화된 증거를 반환합니다.
Experience-RAG Skill은 BeIR/nq, BeIR/hotpotqa, BeIR/scifact 데이터셋에서 nDCG@10 0.8924의 전반적인 성능을 달성하여 고정된 단일 검색 모델을 능가했습니다.
연구 결과, 검색 전략 선택은 하드 코딩된 워크플로우가 아닌 재사용 가능한 에이전트 스킬로 캡슐화될 수 있음을 시사합니다.