본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.
https://fastcampus.info/4n8ztzq
(~6/20) 50일의 기적 AI 환급반💫 | 패스트캠퍼스
초간단 미션! 하루 20분 공부하고 수강료 전액 환급에 AI 스킬 장착까지!
fastcampus.co.kr
이번 강의에서는 정보 검색의 정확도와 포괄성을 동시에 높일 수 있는 Hybrid Retriever 기법에 대해 배울 수 있었습니다. 단순한 검색 기법을 넘어서, 희소(Sparse)와 밀집(Dense) 검색 방식을 하이브리드 형태로 결합함으로써 각 방식의 단점을 보완하고 장점을 극대화하는 구조가 인상 깊었습니다.
특히 Sparse 방식은 BM25, TF-IDF와 같은 키워드 기반 검색에 유리하여 정확한 문서 검색이 가능하고, Dense 방식은 문맥적 의미를 파악하는 데 유리하다는 점에서, 두 방식은 상호보완적으로 작동함을 잘 이해할 수 있었습니다. 예를 들어 "How to catch fish"와 "fishing techniques"는 BM25로는 연결되기 어렵지만 Dense Vector로는 잘 매칭된다는 사례가 기억에 남습니다.
또한, BM25 공식을 직접 확인하면서 수학적으로 어떻게 희소 벡터가 스코어링을 수행하는지 파악할 수 있었고, 단어 빈도와 문서 길이에 따라 스코어가 조정된다는 점에서 검색 엔진의 내부 로직을 더 깊이 이해할 수 있었습니다.
가장 흥미로웠던 부분은 검색 결과를 어떻게 결합하는가에 대한 내용이었는데, 다양한 방식 중에서도 실제로는 RRF (Reciprocal Rank Fusion) 방식이 가장 널리 쓰인다는 설명이 인상 깊었습니다. 서로 다른 검색기의 결과를 단순히 합치는 것이 아니라, 각 결과의 순위를 활용하여 공정하게 병합하는 방식은 실제 서비스에서 적용할 때도 유용할 것으로 보였습니다.
전체적으로 강의는 짧은 분량 안에 핵심 개념, 수식 설명, 예시 비교, 실전 적용 방향까지 잘 구성되어 있었고, 이론과 실제를 연결하는 데 매우 도움이 되었습니다. 특히 향후 Dense-only 또는 Sparse-only 시스템에서 발생할 수 있는 검색 한계를 하이브리드 방식으로 극복할 수 있다는 점에서, RAG 시스템 설계 시 중요한 요소로 작용할 것이라 느꼈습니다.
이번 수강을 통해 단순한 검색의 차원을 넘어, 검색 정확도 향상을 위한 전략적 설계 사고를 배울 수 있어 매우 유익한 시간이었습니다. 이후 실습이나 코드 예제를 통해 RRF 방식 구현과 Dense+Sparse 결합 전략을 직접 적용해보며 실전 역량을 키워보고 싶습니다.
