본문으로 건너뛰기
ReviewRamble

주간 브리프

AI 리뷰를 받은편지함으로.

  • 도구, 모델, MCP 서버, 저장소의 새 리뷰(결론부터)
  • 변경이 있을 때 다시 확인한 가격과 평점
  • 새로 발행된 분석 글

모델, 에이전트, MCP 서버, 그리고 정말 시간을 들일 만한 도구.

일주일에 한 통입니다. 각 브리프의 링크로 구독을 해지할 수 있습니다. 이메일 사용 방식

그라운딩

그라운딩(grounding)은 언어 모델의 답을 검색 결과, 문서, 데이터베이스 같은 구체적이고 확인 가능한 출처에 묶어, 그 주장이 학습 데이터만이 아니라 제공된 근거에 기반하게 하는 것입니다.

다른 이름: grounded generation

작성 Divya Sharma · 2026년 11월 15일 확인 · 리뷰 방식

모델은 그 자체로는 학습 중에 배운 패턴으로 답합니다. 그 지식은 지식 컷오프에서 멈추며, 틀리거나 지어낸 것일 수 있습니다. 그라운딩은 답하는 시점에 모델에게 관련 원본 자료를 주고, 흔히 인용과 함께 그 자료를 바탕으로 답하게 합니다.

왜 중요한가

Google Cloud 문서는 그라운딩을 모델 출력을 확인 가능한 출처에 연결하는 능력으로 정의하고, 그 이점으로 환각 감소와 감사 가능성 제공을 꼽습니다. 개발자에게 그라운딩은 사용자가 클릭해서 주장이 어디서 왔는지 확인할 수 있게 해 주는 것입니다.

하는 방법

- 웹 검색: 애플리케이션이 검색을 실행하고 결과를 모델에 넘깁니다. - 자신의 데이터: 검색 증강 생성처럼 지식 베이스나 벡터 데이터베이스에서 구절을 가져옵니다. - 구조화된 출처: 데이터베이스 질의나 API 호출이 정확한 수치를 제공합니다.

그다음 프롬프트로 모델에게 제공된 출처로만 답하고, 출처에 답이 없으면 그렇다고 말하게 합니다.

RAG와 다른 점

RAG는 모델을 그라운딩하는 한 가지 방법입니다. 검색한 뒤 생성합니다. 그라운딩은 검색 방법이 무엇이든 출력을 근거까지 추적할 수 있게 한다는 더 넓은 목표입니다.

한계

그라운딩은 오류를 줄이지만 없애지는 못합니다. 검색이 잘못된 구절을 돌려주면 모델은 이를 충실히 반복할 수 있습니다. 모델은 제공된 사실에 자신의 가정을 섞거나, 답이 주장하는 내용을 말하지 않는 출처를 인용할 수도 있습니다. 인용을 확인하고 골든 데이터셋으로 답을 시험하면 두 가지를 모두 잡는 데 도움이 됩니다.

관련 용어

검색 증강 생성(Retrieval-augmented generation)
검색 증강 생성(retrieval-augmented generation, RAG)은 시스템이 먼저 문서 모음에서 질문과 관련된 구절을 검색한 뒤, 그 구절을 언어 모델에 주어 답변이 이를 바탕으로 하게 하는 패턴입니다.
환각(AI)
환각(hallucination)은 AI 모델의 출력이 유창하고 자신감 있게 들리지만 거짓이거나, 출처의 뒷받침이 없거나, 지어낸 것인 경우를 말합니다. 꾸며 낸 인용, 발언, 통계, API 함수 등이 그 예입니다.
지식 베이스(AI)
AI 앱에서 지식 베이스(knowledge base)는 어시스턴트나 에이전트가 질문에 답하려고 검색하는 문서와 데이터의 모음으로, 도움말 문서, 정책, 제품 문서 등이 있으며 모델 자체와는 따로 관리됩니다.
지식 컷오프
지식 컷오프(knowledge cutoff)는 그 이후로 모델이 정보를 거의 또는 전혀 갖지 않는 날짜입니다. 학습 데이터가 대략 그 무렵까지 수집되었기 때문입니다. 그 이후의 사건은 프롬프트에 주지 않는 한 모델이 알지 못합니다.
AI 검색 엔진
AI 검색 엔진(AI search engine)은 질의에 대해 웹 검색을 실행하고, 언어 모델로 결과를 읽은 뒤, 링크 목록만이 아니라 출처 링크가 달린 글로 된 답을 돌려주는 검색 서비스입니다.

출처