Annual Conference of KIPS (한국정보처리학회:학술대회논문집)

  • 2025.05a
  • /
  • Pages.664-667
  • /
  • 2025
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Agentic RAG: A Reinforcement Learning-BasedInsight Retrieval and Generation Framework for Generative Business Intelligence

Agentic RAG: 강화학습 기반의 인사이트 중심 검색 생성 프레임워크 설계

  • Hee-Kyong Yoo (Dept. of Convergence Engineering, Hoseo Graduate School of University) ;
  • Nam-Mi Moon (Dept. of Computer Science, Hoseo University)
  • 유희경 (호서대학교 벤처대학원 융합공학과) ;
  • 문남미 (호서대학교 컴퓨터공학과)
  • Published : 2025.05.29
Download PDF
⟨ Previous Next ⟩

Abstract

본 연구는 정책 질의 기반 생성형 BI(Generative Business Intelligence) 시스템 구현을 위해, 강화학습 기반의 Agentic RAG 구조를 설계하였다. 기존 RAG 시스템의 임베딩 유사도 기반 정적 검색 구조는 시계열 흐름, 비교 분석, 정책적 해석 등 고차원 질의 대응에 한계가 존재한다. 이를 극복하기 위해, 본 논문은 문서 구간 기반 의미 단위 세분화, 메타 태깅 기반 관계 그래프 저장, PPO 기반 보상 최적화, 자연어 응답 생성을 하나의 프레임워크로 통합하였다. 에이전트는 질의의 목적에 따라 동적으로 문서를 탐색하며, 보상 기반 정책 학습을 통해 최적의 인사이트를 반복적으로 선택한다. 본 연구는 현재까지 보고된 바 없는 구조적 설계를 통해, 정책 질의 기반 생성형 BI의 실현 가능성과 확장성을 제시하였다.

Keywords

References

  1. Lewis et al., "Retrieval-Augmented Generationfor Knowledge-Intensive NLP Tasks," NeurIPS, 2020. 
  2. Aditi Singh et al., "Agentic Retrieval-Augmented Generation: A Survey on Agentic RAG," arXiv, 2025. 
  3. Yao et al., "ReAct: Synergizing Reasoning and Acting in Language Models," arXiv preprint arXiv:2210.03629, 2022. 
  4. Yao et al., "Tree of Thoughts: Deliberate Problem Solving with Large Language Models," arXiv:2305.10601, 2023. 
  5. Schulman et al., "Proximal Policy Optimization Algorithms," arXiv preprint arXiv:1707.06347, 2017. 
  6. Chidaksh Pavuru et al., "Agentic Retrieval-Augmented Generation for Time Series Analysis", arXiv, 2024 
  7. Ouyang et al., "Training language models to follow instruction with human feedback", arXiv, 2022 
  8. Rafailov et al., "Direct Preference Preference Optimization: Your Language Model is Secretly a Reward Model", arXiv, 2023 
  9. Kush Juvekar et al.,"COS-Mix: Cosine Similarity and Distance Fusion for Improved Information Retrieval"
  10. Yiqun Chen et al., Improving RAG through Multi-Agent Reinforcement Learning, arXiv, 2025
  11. Jerry Huang et al., "Advancing Retrieval-Augmented Generation via RL and Curriculum Learning", arXiv, 2025