11.8 벡터 데이터베이스 - Survey of Vector Database Management Systems - 벡터_DB_핵심_기술_HNSW와_시스템_선택

13.1.1 LLM 캐스케이브 - Optimising Calls to Large Language Models with Uncertainty-Based Two-Tier Selection - 마진_샘플링으로_LLM_비용과_성능_동시_해결

13.1 다중 LLM 아키텍처 = LLM-Blender Ensembling Large Language Models with Pairwise Ranking and Generative Fusion - 여러_AI_섞어_최상의_답변_만드는_기술

12.10 RAG 대 파인튜닝 - Fine-Tuning or Retrieval Comparing Knowledge Injection in LLMs - 새로운_지식_주입은_미세조정보다_RAG가_압승

12.8 RAG의 한계 - RECALL A Benchmark for LLMs Robustness against External Counterfactual Knowledge - 정답을_알고도_틀린_검색_결과에_굴복하는_AI

12.6 RAG로 인컨텍스트 학습 예시 선택 - Learning to Retrieve In-Context Examples for Large Language Models - 스스로_최적의_학습_예시_찾는_LLM-R

12.4.6 RAG 파이프라인 - 생성 - Active Retrieval Augmented Generation - 글_쓰다_막히면_스스로_검색하는_AI

12.4.5 RAG 파이프라인 - 삽입 - Lost in the Middle How Language Models Use Long Contexts - 정보가_많을수록_멍청해지는_LLM의_역설

12.4.4 RAG 파이프라인 - 정제 - Chain-of-Note Enhancing Robustness in Retrieval-Augmented Language Models - 스스로_팩트체크하는_AI의_메모_습관

12.4.4 RAG 파이프라인 - 정제 - RECOMP Improving Retrieval-Augmented LMs with Compression and Selective Augmentation - 문서_94_를_버려야_RAG가_똑똑해진다