> For the complete documentation index, see [llms.txt](https://docs.allganize.ai/allganize-alli-works/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.allganize.ai/allganize-alli-works/knowledge-base/learning/retrievers.md).

# 리트리버 최적화

리트리버 성능 개선 기능은 생성형 답변의 정확도를 높이기 위한 강력한 도구입니다. 이 기능을 통해 사용자는 프로젝트에 업로드된 문서와 질문에 맞춰 RAG(검색 기반 생성 모델)의 최적의 가중치를 찾을 수 있습니다. 아래는 리트리버 성능 개선 기능을 사용하는 단계별 가이드입니다.

<figure><img src="/files/4O7ZXhVO9sFPlvgoJcOx" alt=""><figcaption></figcaption></figure>

**1. 리트리버 성능 개선 기능 사용 시작하기**

대시보드에서 지식베이스 > 리트리버 최적화 탭으로 이동하여 ‘리트리버 성능 개선’ 버튼을 클릭하여 최적화 프로세스를 시작합니다.

<figure><img src="/files/oqrkdmLWvsnkNa4R9NhL" alt=""><figcaption></figcaption></figure>

**2. 데이터 세트 업로드**

최적화를 진행하려면 적합한 데이터 세트를 업로드해야 합니다. 업로드는 간단하며, 아래의 절차를 따르세요.

<img src="https://lh7-us.googleusercontent.com/d5Fn1bDV7cehaA1o-vBUbqFXdYFG0sQrXrMsjRV5a1v1JaMnefR4A7irpCcZS3bh0Uf8yfgsrOzLhSSeTz8ERvLZamT4K1KO31PwZJkdD3gBEFu7cLi-7XLzOnGqFmp_u1lMJI74aT7rZ4BWdc2QNPlCX3tPEAGg" alt="샘플 파일" height="370" width="710">

1. 샘플 파일 다운로드: 우측 상단의 ‘샘플 파일 다운로드’ 버튼을 클릭하여 업로드해야 할 데이터의 형식과 예시를 확인할 수 있습니다. 업로드 가능한 파일 포맷은 xls, xlsx, csv입니다.
2. 파일 구성:
   * 질문: 사용자가 할 법한 질문을 기재합니다.
   * 파일 네임: 각 질문에 대한 파일명을 기재합니다. \
     \- 만약 같은 질문에 대해 3개의 문서가 존재할 경우에는 3행으로 나누어 기재할 수 있습니다.
   * 페이지 넘버: 각 답변이 포함된 페이지 번호를 기재합니다.
3. 데이터 추가 생성:
   * 업로드된 데이터 외에도 LLM 모델을 사용하여 비슷한 질문 데이터 세트를 자동으로 생성할 수 있습니다. 이 옵션을 선택하면 추가 크레딧이 발생합니다.
   * 데이터가 50개 미만일 경우에도 최적화 요청이 가능하지만, 데이터가 많을수록 성능 개선에 더 효과적입니다.

<figure><img src="/files/oZe1UBcdE1V0ixAkCbQi" alt=""><figcaption></figcaption></figure>

#### **3. 최적화 요청**

1. 데이터 세트 파일을 업로드하고 ‘다음’ 버튼을 클릭합니다.
2. 업로드된 데이터 세트 파일명, 집계된 피드백 데이터 수, 예상 크레딧 등의 정보가 표시됩니다.
3. 확인 후 ‘확인’ 버튼을 클릭하여 최적화 요청을 완료합니다.
   * 요청 후 담당 프로젝트 매니저가 리트리버 개선 작업을 진행합니다. 이 작업은 영업일 기준 2-3일이 소요될 수 있습니다.
   * 최적화 요청 후에는 대시보드에서 취소할 수 없으며, 취소를 원하시면 담당자에게 별도로 연락이 필요합니다.

<figure><img src="/files/J6bs7tA583otsn2sO8AB" alt=""><figcaption></figcaption></figure>

**4. 최적화 진행 상황 확인**

최적화 요청 후 대시보드에서 실시간으로 작업 진행 상황을 확인할 수 있습니다.

1. 최적화 요청 시점: 리트리버 최적화 요청이 전송된 시각을 확인할 수 있습니다.
2. 최적화 전/후 성능 비교: 최적화 전과 후의 정확도를 한눈에 비교할 수 있습니다.
3. 최종 리포트 다운로드: 최적화 결과를 리포트 형식으로 다운로드하여 성능 개선 내용을 상세히 확인할 수 있습니다.

#### **5. 리포트 내용**

최종 리포트에는 다음과 같은 정보가 포함됩니다:

1. 최종 성능: 최적화 후 리트리버의 정확도가 명시됩니다.
2. 설정된 가중치: 적용된 가중치 값이 포함됩니다.
3. 사용된 데이터 수: 최적화에 사용된 데이터의 수량이 포함됩니다.
4. 실제 데이터 세트: 최적화 과정에서 사용된 데이터 세트가 포함됩니다.

#### **6. 추가 최적화 요청**

1. 최초 최적화 이후, 추가 최적화를 요청할 수 있습니다. 이 경우 최적화 버전은 V1 > V2 > V3와 같이 순차적으로 업데이트됩니다.
2. 추가 최적화 요청 후의 과정은 이전과 동일합니다.

리트리버 성능 개선 기능을 활용하여 보다 정확한 생성형 답변을 제공하고, 프로젝트의 성공적인 진행을 돕기 위해 최적화를 진행해 보세요.