GraphRAG 논문 리뷰 시리즈

LLM 검색증강생성에 지식 그래프를 결합하는 GraphRAG 계열의 핵심 논문 11편을 LLM 기반 문서 그래프 탐색(KGP), 전역 커뮤니티 요약(MS GraphRAG), 그래프 연상 기억(HippoRAG), 경량 이중 검색(LightRAG), 비모수적 장기 기억(HippoRAG 2), 인과 경로 검색(CausalRAG), 계층 집약과 LCA 검색(LeanRAG), 관계 추출 없는 선형 그래프 검색(LinearRAG), 계층 검색과 적응적 통합(Deep GraphRAG), 계층형 인과 게이트(CausalRAG2), 다단계 파이프라인과 컴팩트 추출 모델(RAGU)까지 기초 연구부터 최초 공개 순서로 깊이 있게 읽는 한국어 딥리뷰 시리즈. 문서 간 연관 구조를 어떻게 색인하고, 무엇을 검색 단위로 삼으며, 그 근거를 어디까지 믿어야 하는지를 계보로 따라간다.

  1. Knowledge Graph Prompting for Multi-Document Question Answering — Knowledge Graph Prompting은 여러 문서의 문단·페이지·표를 그래프로 연결하고, LLM 기반 traversal agent가 이미 찾은 근거를 바탕으로 다음 노드를 선택하도록 해 multi-document QA의 검색 문맥을 구성한다.
  2. From Local to Global: A Graph RAG Approach to Query-Focused Summarization — Microsoft GraphRAG는 문서 집합을 계층형 커뮤니티 보고서로 미리 요약하고, 질의 시 여러 보고서에서 만든 부분 답변을 통합해 전체 코퍼스에 대한 global sensemaking 질문에 답하는 방법이다.
  3. HippoRAG: Neurobiologically Inspired Long-Term Memory for Large Language Models — HippoRAG는 문서에서 만든 개방형 지식 그래프 위에 query entity 기반 Personalized PageRank를 실행해 여러 문서에 흩어진 근거를 한 번의 검색 단계에서 연결하려는 RAG 방법이다.
  4. LightRAG: Simple and Fast Retrieval-Augmented Generation — LightRAG는 문서를 엔티티·관계 그래프로 색인하고, 구체적 질문과 전역 질문에 각각 다른 수준의 키워드와 문맥을 사용해 GraphRAG 검색을 가볍게 구성한다.
  5. From RAG to Memory: Non-Parametric Continual Learning for Large Language Models — HippoRAG 2는 passage node와 graph association을 결합한 비모수 기억 인덱스로, 새 문서를 추가하면서 사실 검색과 다중 문서 연상을 함께 다루려는 RAG 확장이다.
  6. CausalRAG: Integrating Causal Graphs into Retrieval-Augmented Generation — CausalRAG는 문서에서 추출한 원인·결과 관계 그래프를 따라 질문에 필요한 경로를 구성해, 단순 의미 유사도 검색보다 더 정제된 답변 문맥을 만들려는 RAG 방법이다.
  7. LeanRAG: Knowledge-Graph-Based Generation with Semantic Aggregation and Hierarchical Retrieval — LeanRAG는 지식 그래프의 엔티티와 관계를 의미적으로 집약하고, 세부 노드에서 공통 상위 구조로 이어지는 계층 검색으로 복합 질문의 근거를 구성하려는 방법이다.
  8. LinearRAG: Linear Graph Retrieval Augmented Generation on Large-scale Corpora — LinearRAG는 관계 삼중항을 추출하지 않고 엔티티·문장·문단으로 된 Tri-Graph를 만든 뒤, 의미적 bridging과 전역 중요도 집계를 통해 multi-hop 문맥을 찾는 GraphRAG 방법이다.
  9. Deep GraphRAG: A Balanced Approach to Hierarchical Retrieval and Adaptive Integration — Deep GraphRAG는 커뮤니티 계층을 global에서 local로 좁혀 검색하고, 다목적 보상 가중을 조정한 소형 통합 모델로 검색된 지식을 답변 문맥으로 결합한다.
  10. CausalRAG2: Hierarchical Causal Knowledge Graph Design for RAG — CausalRAG2는 계층형 인과 지식 그래프와 질의별 게이팅을 이용해, 넓은 주제의 문맥과 세부 원인·결과 경로를 함께 검색하려는 RAG 설계다.
  11. RAGU: A Multi-Step GraphRAG Engine with a Compact Domain-Adapted LLM — RAGU는 추출과 통합을 분리한 다단계 GraphRAG 엔진으로, 지식 그래프 구성과 검색에 필요한 언어 능력을 작은 도메인 적응 모델에 집중시키는 설계를 제안한다.