순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
Retrieval-Augmented Generation for AI-Generated Content: A Survey
Penghao Zhao, Hailin Zhang, Qinhan Yu 외 · Data Science and Engineering · 2026년 · 조회 20
왜 이 논문인가 — 선정 기준
HOT PAPER · 최근 가장 주목받는 논문 — 피인용·FWCI·동년 인용 백분위
2026-01 발표 · 피인용 206회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1%
HOT 슬롯은 최신 논문의 주목도를 반영하는데, 이 논문은 2026년 발표 이후 206회 인용(동년 상위 1%)을 기록하며 높은 관심을 받고 있다.
논문 요약
최근 AI 생성 콘텐츠(AIGC)는 모델 알고리즘·대규모 기반 모델·고품질 데이터셋의 발달로 급성장했지만, 지식 업데이트·희소 데이터 처리·데이터 누수·고비용 등의 문제에 직면한다. 검색 증강 생성(RAG)은 생성 과정에 정보 검색 단계를 도입해 관련 데이터를 가져와 정확도와 견고성을 향상시킨다. 본 논문은 AIGC에 RAG를 통합한 연구들을 체계적으로 검토하고, 검색자와 생성기 간 관계에 따라 RAG 기반을 분류·정리한다.
후속 연구설계에 활용하기
다음 연구에서는 RAG 적용 여부가 특정 생성 과제(예: 요약, 번역)의 정확도·안정성에 미치는 효과를 실험 설계의 주요 변수로 설정해 비교 평가할 수 있다.
핵심어
검색 증강 생성AI 생성 콘텐츠정보 검색모델 효율성
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.