연구진은 긴 문서 내에서 사용자의 검색 생산성을 높이기 위한 새로운 자동 쿼리 완성(DocQAC) 문제를 제안하고, 이를 해결하기 위한 적응형 Trie 기반 디코딩 프레임워크를 개발했어요.
개발된 프레임워크는 사용자의 쿼리 접두사를 활용하여 언어 모델을 효과적으로 안내하고, 문서 맥락을 효율적으로 통합하기 위해 RAG와 경량화된 문서 신호를 사용해요.
T5, BART와 같은 모델에 적용한 결과, LLaMA-3, Phi-3와 같은 대규모 모델을 능가하는 성능을 보여주며, 실제 DocQAC 배포에 적합함을 입증했어요.