GraphRAG 논문 리뷰 시리즈

LLM 검색증강생성에 지식 그래프를 결합하는 GraphRAG 계열의 핵심 논문 6편을 그래프 연상 기억(HippoRAG)부터 경량 이중 검색(LightRAG), 계층 집약과 LCA 검색(LeanRAG), 인과 경로 검색(CausalRAG), 계층 검색과 적응적 통합(Deep GraphRAG), 다단계 파이프라인과 컴팩트 추출 모델(RAGU)까지 권장 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. HippoRAG: Neurobiologically Inspired Long-Term Memory for Large Language Models — HippoRAG가 OpenIE 지식 그래프, dense entity linking, Personalized PageRank를 결합해 여러 문서의 근거를 한 번에 찾는 원리와 실험 결과, 비용 구조, 적용 한계를 분석합니다.
2. LightRAG: Simple and Fast Retrieval-Augmented Generation — LightRAG가 문서를 엔티티–관계 그래프로 색인하고 세부 검색과 전역 검색을 결합하는 방법, EMNLP 2025 실험 결과, 그리고 평가 설계의 한계를 분석합니다.
3. LeanRAG: Knowledge-Graph-Based Generation with Semantic Aggregation and Hierarchical Retrieval — LeanRAG가 엔티티 그래프를 다층 의미 네트워크로 집약하고, 세부 엔티티에서 공통 조상으로 올라가는 LCA 검색으로 문맥 중복을 줄이는 방법과 AAAI 2026 실험의 근거 범위를 분석합니다.
4. CausalRAG: Integrating Causal Graphs into Retrieval-Augmented Generation — CausalRAG가 문서 그래프에서 질문과 관련된 인과 경로를 찾는 과정, ACL 2025 실험 결과, 그리고 이를 정식 인과추론으로 확대 해석해서는 안 되는 이유를 분석합니다.
5. Deep GraphRAG: A Balanced Approach to Hierarchical Retrieval and Adaptive Integration — 커뮤니티 계층 위 global→local 3단계 검색과 상수 폭 beam search로 지식을 찾고, 세 보상의 가중을 개선 속도로 재분배하는 DW-GRPO로 훈련한 소형 LLM이 통합하는 GraphRAG 파이프라인 Deep GraphRAG. NQ·HotpotQA에서 baseline을 앞서지만 CQ 약점·데이터 규모 미보고 등은 함께 읽어야 한다.
6. RAGU: A Multi-Step GraphRAG Engine with a Compact Domain-Adapted LLM — 추출과 통합을 분리한 다단계 GraphRAG 엔진 RAGU와, 추출엔 세계 지식이 아니라 언어 능력이 필요하다는 가설로 학습한 7B 추출기 Meno-Lite-0.1. KG 구축에서 Qwen2.5-32B를 앞서지만, 특화 추출기의 엔드투엔드 이득은 ≤1pp로 압축되고 100배 비용 우위는 API 대비라는 점을 함께 읽는다.