커버리지 탐색: 증강된 하위 질문 답변 가능성을 활용한 커버리지 인식 검색 학습

연구진은 장문형 RAG에서 커버리지를 고려하는 바이인코더 검색기 CoveR를 제안했다.

또한 LLM이 생성한 하위 질문의 답변 가능성 판단을 활용해 만든 9만 쌍 규모의 SCOPE 데이터셋도 공개했다.

CoveR는 강력한 밀집 검색 기준선보다 nugget coverage를 약 10% 높이면서도 관련성 성능은 경쟁력을 유지했다.

이 연구는 가장 비슷한 문단만 찾는 것이 아니라, 여러 핵심 사실을 함께 포괄하는 검색이 장문형 RAG의 핵심 과제임을 보여준다.