blog.ruahverce Vol · 2026 · Issue 012 — A field log of LLMs, RAG, and ML systems

Series · Folio

Advanced RAG 실전 설계

10 parts

Graph·멀티홉·멀티모달·학습·평가로 확장하는 초·중급 10편

Knowledge Graph에서 GraphRAG, multi-hop, hierarchical retrieval, multimodal RAG, long context, retriever와 reranker 학습, learned policy, 고급 평가로 이어지는 Advanced RAG 로드맵
대상
기본 검색 pipeline과 Agent harness를 만든 뒤 복합 문서·관계 추론·도메인 학습으로 RAG를 확장하려는 개발자
읽고 나면
Knowledge Graph, GraphRAG, multi-hop, hierarchical retrieval, multimodal document RAG, long-context routing, retriever·reranker·generator 학습, learned retrieval policy, 고급 평가를 실험 가능한 architecture로 설계할 수 있음
추천 진입
01편 → 02편 → 05편 → 07편 → 10편
№001 advanced-rag-architectures · 01

Knowledge Graph RAG 기초: Entity·Relation·Path (1/10)

Vector 유사도 검색과 Knowledge Graph의 차이를 이해하고 entity·relation·claim·provenance·entity resolution·graph traversal을 설계해 관계형 질문에 답하는 RAG를 만듭니다.

#RAG #KnowledgeGraph #GraphRAG #Retrieval
문서 chunk에서 entity, relation, claim과 provenance를 추출해 graph와 vector index를 함께 만들고 query entity에서 관련 path와 원문 근거를 검색하는 Knowledge Graph RAG 구조
№002 advanced-rag-architectures · 02

Microsoft GraphRAG 해부: Local·Global·DRIFT Search (2/10)

Microsoft GraphRAG의 TextUnit·entity·relationship·Leiden community·community report indexing을 따라가고 local·global·DRIFT search의 질문 유형·비용·평가 기준을 구분합니다.

#RAG #GraphRAG #KnowledgeGraph #Microsoft
TextUnit에서 entity·relation을 추출해 Leiden community report를 만들고 entity 중심 local, corpus 중심 global, 반복 탐색 DRIFT로 routing하는 Microsoft GraphRAG 구조
№003 advanced-rag-architectures · 03

Multi-hop RAG: Retrieve↔Reason Loop와 Evidence Chain (3/10)

한 번의 검색으로 풀 수 없는 bridge·comparison·constraint 질문을 subgoal과 unresolved slot으로 분해하고 retrieval observation으로 다음 query를 만드는 multi-hop RAG를 설계합니다.

#RAG #MultiHop #IRCoT #Reasoning
복합 질문을 subgoal로 분해하고 검색 결과의 bridge entity로 다음 query를 만든 뒤 출처가 연결된 evidence chain으로 답을 검증하는 multi-hop RAG loop
№004 advanced-rag-architectures · 04

Hierarchical RAG: Parent-Child·RAPTOR·HippoRAG (4/10)

작은 chunk의 검색 정밀도와 큰 문맥의 이해를 함께 얻는 parent-child retrieval부터 RAPTOR 요약 트리, HippoRAG 연상 그래프까지 계층형 RAG를 비교 설계합니다.

#RAG #RAPTOR #HippoRAG #KnowledgeGraph
Flat chunk, parent-child 문서 계층, RAPTOR 요약 트리, HippoRAG 연상 그래프의 검색 단위와 정보 흐름을 비교한 표지
№005 advanced-rag-architectures · 05

Multimodal Document RAG: ColPali·VisRAG (5/10)

PDF의 텍스트·표·차트·레이아웃을 보존하기 위해 OCR과 layout parsing, ColPali late interaction, VisRAG visual retrieval을 비교하고 hybrid 문서 RAG를 설계합니다.

#RAG #MultimodalRAG #ColPali #VisRAG
PDF 페이지를 OCR과 layout element로 변환하는 text lane, page image를 patch vector로 검색하는 visual lane, 두 결과를 합치는 multimodal RAG
№006 advanced-rag-architectures · 06

Long Context vs RAG: 언제 무엇을 쓸까? (6/10)

큰 context window가 있어도 retrieval이 필요한 이유를 attention·비용·신선도·권한으로 나누고, Long Context·RAG·Hybrid를 query별로 선택하는 라우터를 설계합니다.

#RAG #LongContext #ContextWindow #QueryRouting
질문의 corpus 범위, freshness, ACL, citation, cost 조건에 따라 Long Context, RAG, retrieve-then-read hybrid로 분기하는 의사결정 흐름
№007 advanced-rag-architectures · 07

Dense Retriever 학습: Hard Negative·Synthetic Query (7/10)

Domain RAG의 dense retriever를 positive·in-batch·hard negative로 학습하고, ANCE mining과 GPL·InPars·Promptagator식 synthetic query를 안전하게 만드는 방법을 설명합니다.

#RAG #DenseRetrieval #HardNegative #ContrastiveLearning
문서에서 synthetic query와 positive pair를 만들고 BM25·ANN·teacher로 hard negative를 채굴해 bi-encoder를 학습·평가·재색인하는 retriever flywheel
№008 advanced-rag-architectures · 08

Reranker·Generator 학습: RankT5·RA-DIT (8/10)

실제 retrieval candidate로 monoT5·RankT5 reranker를 학습하고, noisy·contradictory·no-answer context에서 근거 있는 답을 생성하도록 RA-DIT식 dual tuning을 설계합니다.

#RAG #Reranking #RankT5 #RADIT
Dense retriever 후보를 RankT5 reranker가 정렬하고 source가 연결된 context로 generator를 학습하며 LM feedback으로 retriever까지 조정하는 dual tuning 흐름
№009 advanced-rag-architectures · 09

Learned Retrieval Policy: Self-RAG·FLARE·RouteRAG (9/10)

검색 여부·시점·source·query·종료를 하나의 policy로 모델링하고 Self-RAG, FLARE, Adaptive-RAG부터 2026 RouteRAG·Reflective RAG까지 단계적으로 비교합니다.

#RAG #AgenticRAG #SelfRAG #FLARE
Query와 evidence state에서 no retrieval, text·graph search, rewrite, verify, answer를 고르고 observation과 reward로 학습하는 RAG policy loop
№010 advanced-rag-architectures · 10

Advanced RAG 평가: RAGAS·ARES·RAGChecker (10/10)

Graph·multi-hop·multimodal·long-context·agentic RAG를 retrieval, claim support, trajectory, cost로 분해하고 RAGAS·ARES·RAGChecker 기반 재현 가능한 실험을 설계합니다.

#RAG #RAGEvaluation #RAGAS #ARES
RAG를 retrieval, context, claim generation, trajectory, operations 층으로 나누고 deterministic·human·model judge와 실험 manifest로 release를 판정하는 평가 구조