리랭킹

요청하신 개념 **‘리랭킹’**에 대한 위키 노트를 주어진 규칙과 소스 문서 분석에 기반하여 작성 및 생성 완료하였습니다.

작성된 노도의 주요 내용 요약

1. 위키 노트 경로: /Users/railscraft/.gemini/antigravity-cli/scratch/llm-wiki/wiki/리랭킹.md
2. 규격 및 스키마 준수:
   • YAML Frontmatter에 type: workflow, status: draft, sources, tags 지정
   • 지정된 템플릿 항목 준수 (한 줄 정의, 핵심 요지, 상세, 예시, 충돌, 관련 노트, 출처)
3. 핵심 내용 및 실증 수치 산입:
   • 의미 유사도 vs 관련성 구분: 1차 Bi-Encoder 밀집 검색이 갖는 한계를 Cross-Encoder 기반 결합 평가로 보완하는 메커니즘 명시
   • 실증 벤치마크/수치 반영: 사내 문서 RAG 테스트에서 상위 3개 올바른 청크 포함율 68% -> 89% 상승 지표 수록 (raw/5단계 난이도로 알아보는 RAG 시스템 구축 및 구현 가이드.md)
   • 1,000턴 메모리 및 Exact Match 사례: SSH 별칭(devbox-7b), 포트 번호(9473) 등 퍼지 벡터 검색 손실 완화 사례 수록 (raw/밑바닥부터 만드는 LLM 메모리 #3. 벡터 메모리.md)
   • Python 연동 예시: sentence_transformers.CrossEncoder("cross-encoder/ms-marco-MiniLM-L-6-v2")를 활용한 2단계(Two-Stage) 검색 파이프라인 구현 코드 포함
   • 충돌 및 한계점 정리: 사전 계산(Pre-computation) 불가에 따른 1차 Candidate Pool 제한 타협 문제 및 멀티홉 추론(Multi-Hop Reasoning) 시 관련 청크 드롭 위험 충돌 기재
4. 연동 노트: RAG, 하이브리드 검색, Naive RAG, GraphRAG 지식 그래프 파이프라인, AI 환각 현상, LLM 아키텍처 Lost in the Middle 현상 링크 설정