# RAG

- 분류: 기술·AI · 별칭: retrieval-augmented generation, 검색 증강 생성
- 페이지: https://aisignal.kr/file/rag
- 기록: 4건 (2026-08-17 ~ 2026-09-20) · 매일 갱신 · 출처는 각 기록 아래
- 출처: AIsignal 아카이브 (공개 언론 보도를 출처와 함께 요약·정리하는 아카이브, 언론사 아님)

## 지금까지의 요약

RAG는 외부 지식 베이스를 활용해 LLM의 답변 정확도를 높이는 기술이다. 최근 고위험 분류 시스템 구축 시 모호한 사례를 모델로 직접 전송하는 아키텍처 설계가 활용되고 있다. 디윅스의 ‘위아 엔그래프’는 롱멤이발 벤치마크에서 비가중 평균 95.31%를 기록하며 AI 장기기억 솔루션의 성능을 입증했다. 또한 디노티시아의 ‘씨홀스 스토리지’가 MLPerf® Storage v3.0의 벡터 데이터베이스 부문에서 초당 질의 처리 성능 1위를 기록했다.

## 날짜별 기록 (최신부터)

### 2026-09-20

포티투마루의 'LLM42 v.1.1'과 'RAG42 v.1.3'이 정부 'AI 제품·서비스 확인제' 인증을 취득했다. 해당 제품은 도메인 특화 경량 언어모델과 고정밀 RAG 솔루션이며, 이번 인증으로 공공 AI 조달시장 진출 기반을 확보했다. Manticore Search에서는 긴 문서에 대한 더 나은 벡터 검색을 위해 청킹(Chunking)을 다룬다. Sim Search는 데이터를 지식 그래프로 변환한다.

출처:
1. 포티투마루, 정부 공인 AI 제품·서비스로 공공 진출 탄력 — https://zdnet.co.kr/view/?no=20260916150329 (2026-09-16)
2. Better Vector Search for Long Documents: Chunking Inside Manticore Search — https://manticoresearch.com/blog/auto-chunking/ (2026-09-17)
3. I Tried Rag & Bone’s Viral Sweatpants Jeans—Here’s Why I Love Them for Travel — https://www.cntraveler.com/story/i-tried-rag-and-bones-viral-sweatpants-jeans-heres-why-i-love-them-for-travel (2026-09-13)
4. Sim Search — https://www.producthunt.com/products/sim-studio (2026-09-17)

### 2026-09-13

비정형 데이터에 대한 자동 분석은 머신러닝을 통해 가능해졌으며, 분석가는 이를 활용해 정형 정보를 추출할 수 있다. 아리나 사바렌카는 엘레나 리바키나에게 세계 랭킹 1위 자리를 잃었으며, US 오픈 결승에서 복수할 기회를 가진다. LRU는 KV-캐시 관련 논문들이 시사하는 것보다 이기기 더 어렵다.

출처:
1. 'Red rag to a bull' - Sabalenka's extra motivation to win US Open — https://www.bbc.co.uk/sport/tennis/articles/cly59yjl5d5o?at_medium=RSS&at_campaign=rss (2026-09-12)
2. Efficient and accurate systems for querying unstructured data — https://stacks.stanford.edu/file/fk030tb6783/thesis-augmented.pdf (2026-09-09)
3. LRU is harder to beat than the KV-cache papers suggest — https://github.com/gauravapiscean/agentic-kv-cache (2026-09-10)

### 2026-09-05

디노티시아의 AI 스토리지 시스템인 ‘씨홀스 스토리지’가 MLCommons 주관 ‘MLPerf® Storage v3.0’ 평가의 벡터 데이터베이스 부문에서 5만7619.8 QPS의 초당 질의 처리 성능을 기록하며 1위를 차지했다. 해당 시스템은 장기기억 인공지능 및 반도체 솔루션을 제공하는 디노티시아가 개발했다.

출처:
1. 디노티시아 '씨홀스 스토리지', 글로벌 벤치마크 'MLPerf' 벡터DB 평가 1위 — https://zdnet.co.kr/view/?no=20260903140617 (2026-09-03)
2. Bring Back the Spectacular: When the Upper West Side Had the Most Fabulous Basement in the City - West Side Rag — https://news.google.com/rss/articles/CBMizgFBVV95cUxPcU1wbzhsV3RMYkZEdGpJU2dQNU9qdV9PTG9qb3pKSXFSMkNDMjBxbEd0RGZ4cXQ1djRWSy11cDZTcmdOcTZ2SHFvaUNtSXhOaWdHNkhnQk9QMC1DUzd5OUF0YnRMVGZoc3RtUW5TbV8tUlc3U21iRmJPQS1XakE4a1pwdnktR0dUTEFlUV9pYktKR2tJWVo0WjItTFEwbV9TUGRIMF9CSEVVOVVIeWt2TTlnOHc0M3hHQnJ1VzNZTGtYYkNWSEMzUWhCcmR1Zw?oc=5 (2026-08-29)
3. Benchmarking Vector Indexes — https://www.percona.com/blog/benchmarking-vector-indexes/ (2026-08-28)

### 2026-08-17

디윅스의 AI 장기기억 솔루션 ‘위아 엔그래프’가 글로벌 벤치마크인 롱멤이발에서 비가중 평균 95.31%를 기록하며 공개 비교 기준 최고 수준을 달성했다. 롱멤이발은 복수 세션 정보 보존, 변경된 사실관계 추론, 시간·연관 관계 분석, 사용자 선호 기억 등을 종합 평가한다. 한편, 고위험 분류를 위한 RAG 시스템을 구축하는 팀들은 모호한 사례를 LLM으로 직접 보내는 아키텍처 설계를 선택한다.

출처:
1. 디윅스 '위아 엔그래프', 롱멤이발서 비가중 평균 95.31% 달성 — https://zdnet.co.kr/view/?no=20260803175919 (2026-08-03)
2. Cutting RAG inference costs 6x starts with deciding what never reaches the LLM — https://venturebeat.com/orchestration/cutting-rag-inference-costs-6x-starts-with-deciding-what-never-reaches-the-llm (2026-08-16)