기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# FAQ
## RAG 애플리케이션용 문서를 최적화하는 것이 중요한 이유는 무엇입니까?
원시 문서는 검색 증강 생성(RAG) 애플리케이션과 같은 고급 AI 시스템의 요구 사항을 고려하지 않고 사람이 사용할 수 있도록 작성되는 경우가 많습니다. 모범 사례를 따라 문서를 최적화하면 모델에 체계적이고 모호하지 않은 관련 정보를 제공하여 RAG 애플리케이션의 성능과 정확도를 크게 개선할 수 있습니다.
## RAG 성능을 저해할 수 있는 원시 문서의 일반적인 문제는 무엇입니까?
일부 주요 과제로는 구조화된 형식 및 메타데이터 부족, 비공식적이거나 일관되지 않은 언어, 세부 정보 및 중복성, 모호한 용어 및 문구, 하이퍼링크 요소 포함, 도메인별 컨텍스트 부족 등이 있습니다. 이러한 문제는 RAG 모델을 혼동하여 부정확하거나 관련이 없는 응답으로 이어질 수 있습니다. 자세한 내용은이 설명서[의 RAG 애플리케이션에 영향을 미치는 소스 데이터의 문제를 참조하세요](challenges.md).
## 제목 및 하위 제목을 사용하면 RAG 성능이 어떻게 향상될 수 있습니까?
명확한 제목과 하위 제목은 RAG 모델이 콘텐츠의 구조와 컨텍스트를 이해하는 데 도움이 됩니다. 이를 통해 문서에서 관련 정보를 더 잘 탐색하고 추출할 수 있으며 생성된 응답의 품질을 개선할 수 있습니다. 자세한 내용은이 가이드의 [RAG 애플리케이션에 대한 설명서 모범 사례를](best-practices.md) 참조하세요.
## 테이블 정보를 플랫 레벨 구문으로 바꾸는 것이 권장되는 이유는 무엇입니까?
RAG 모델은 2차원 구조를 이해해야 하므로 테이블을 해석하기 어려울 수 있습니다. 플랫 레벨 구문 또는 글머리 기호 목록에 테이블 정보를 제공하면 모델이 정보를 보다 쉽게 처리할 수 있으므로 성능이 향상됩니다. 자세한 내용은이 가이드의 [RAG 애플리케이션에 대한 설명서 모범 사례를](best-practices.md) 참조하세요.
## 요약을 추가하면 RAG 성능이 어떻게 향상될 수 있나요?
각 섹션 또는 하위 섹션의 시작 부분에 간결한 요약을 포함하면 의미 체계 적용 범위를 늘리고 핵심 사항을 강화할 수 있습니다. 이렇게 하면 임베딩 공간 내에서 유사성 검색의 정확도가 향상되어 궁극적으로 RAG 애플리케이션의 성능이 향상됩니다. 자세한 내용은이 가이드의 [RAG 애플리케이션에 대한 설명서 모범 사례를](best-practices.md) 참조하세요.
## 약어를 정의하고 LLMs에 대한 컨텍스트를 설정하는 것이 중요한 이유는 무엇입니까?
LLMs은 광범위한 데이터에 대해 훈련되지만 엔터프라이즈별 약어 또는 용어에 대한 컨텍스트가 부족합니다. 약어를 정의하고 컨텍스트를 제공하면 LLMs 더 정확하게 이해하고 대응할 수 있습니다. 이렇게 하면 할루시네이션이나 오해를 방지하는 데 도움이 될 수 있습니다. 자세한 내용은이 가이드의 [RAG 애플리케이션에 대한 설명서 모범 사례를](best-practices.md) 참조하세요.