AGRAG: 통계 기반 그래프 구축 및 MCMI 서브그래프 생성 (2026)

AGRAG (Advanced Graph-based RAG) 프레임워크는 기존 GraphRAG 시스템의 고비용 문제와 환각(Hallucination) 현상을 해결하기 위해 제안된 최신 기술입니다. LLM 대신 통계적 방법을 활용하여 지식 그래프를 구축하고, 최적의 추론 경로를 찾는 것이 핵심입니다.

1. 핵심 메커니즘

  • 통계 기반 엔티티 추출: 그래프 구축 시 LLM 호출 비용을 줄이고, LLM에서 발생할 수 있는 환각과 오류 전파를 방지하기 위해 통계적 기법을 사용합니다.
  • MCMI (Minimum Cost Maximum Influence) 서브그래프 생성:
    • 검색 단계를 ‘최소 비용으로 최대 영향력을 가진 노드를 포함하는 서브그래프’를 찾는 문제로 정의합니다.
    • 높은 영향력을 가진 노드들을 포함하면서도 엣지 비용(추론 복잡도)을 최소화하여 포괄적이고 효율적인 답변 생성을 지원합니다.
    • 복잡한 순환(Cycle) 구조를 가진 그래프에서도 최적의 추론 경로를 식별할 수 있습니다.

2. 기술적 의의

  • 추론 포괄성 향상: 단순한 트리 구조를 넘어 복잡한 그래프 구조를 지원함으로써 멀티홉 추론 성능을 높였습니다.
  • 비용 효율성: 인덱싱 단계에서 LLM 의존도를 낮춰 대규모 데이터셋 처리에 유리합니다.
  • 설명 가능성: 모델이 특정 서브그래프를 선택한 이유를 명확히 제시할 수 있어 답변의 근거(Citation)가 강화됩니다.

3. 관련 링크 및 참고

분류: graphrag knowledgegraph rag mcmi agrag