WIKI 지식베이스 v1.1.3이 BM25 키워드 검색을 더한다

WIKI 지식베이스 v1.1.3이 검색 파이프라인에 키워드 기반 후보 수집 단계를 추가했다. 릴리스 설명에 따르면 기존에는 벡터 의미 검색과 재정렬(Rerank) 조합으로 동의어나 구어체 질문을 처리했지만, 고유명사·모델명·문서 원문처럼 정확한 문자열 일치가 중요한 질의에는 약했다. 이번 버전은 이 빈틈을 BM25 키워드 채널로 보완한다.

구체적으로 BM25 기반 문자열 회수와 벡터 ANN 검색이 병렬로 후보를 만든다. BM25는 질의어와 문서의 단어 일치를 점수화해 정확한 용어를 잡고, 벡터 ANN은 의미가 가까운 후보를 넓게 가져온다. 두 경로의 결과는 RRF(Reciprocal Rank Fusion)로 하나의 후보 목록으로 합쳐진 뒤 기존 Rerank 단계로 넘어간다.

RRF는 서로 다른 검색기가 매긴 순위를 역수로 결합하는 방식으로, 점수 체계가 다른 BM25와 벡터 검색 결과를 한 목록으로 묶는 데 쓰인다. 원문은 RRF 가중치나 후보 컷오프 같은 세부 설정을 공개하지 않았다.

지식베이스 검색에서 벡터 검색은 의미 기반 질의에 강하지만, 제품명·API 이름·에러 코드·버전 번호처럼 표기 자체가 중요한 질의는 키워드 매칭이 더 안정적이다. 그래서 RAG 파이프라인에서는 BM25와 벡터 검색을 함께 쓰는 하이브리드 구성이 흔하다. 이번 릴리스도 기존 파이프라인에 키워드 경로를 추가한 사례다.

개발자 입장에서는 문서에 등장하는 정확한 식별자나 문장을 질의했을 때 누락 가능성이 줄어드는 효과를 기대할 수 있다. 또한 BM25나 ANN 중 하나가 실패하거나 비활성화돼도 남은 채널로 검색을 계속하는 폴백이 들어가, 검색 기능의 단일 장애점을 줄이는 설계로 읽힌다.

다만 원문은 검색 품질 개선 폭, 지연 시간, 인덱스 크기나 운영 비용 변화를 수치로 제시하지 않았다. RRF 가중치와 Rerank 연동 방식도 구체적으로 설명하지 않아, 실제 효과는 문서 규모와 질의 유형에 따라 달라질 수 있다.