![](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2Fbq6cDo%2FbtsMdLKbXdE%2FyQqtlkjPzWfjixALxieKt0%2Fimg.jpg)
Reranker(리랭커) 완전 정복 - Part 1![](https://tistory1.daumcdn.net/tistory_admin/blogs/image/category/new_ico_5.gif)
![](https://tistory1.daumcdn.net/tistory_admin/blogs/image/category/new_ico_5.gif)
·
NLP
Reranker에 대해 3편에 걸쳐 다뤄볼 예정이에요.이번 포스팅에서는 Retriever만으로는 부족한 이유, 그리고 Reranker의 역할에 대해서 알아보겠습니다.Part 1 (이번 글): Retriever만으로 부족한 이유, 그리고 Reranker가 필요한 이유Part 2: Reranker 모델의 종류와 RAG(Retrieval-Augmented Generation)과의 연계Part 3: 최신 연구 동향과 실무 적용 사례 1. Retriever만으로는 왜 부족할까?요즘 검색 시스템에서 Retriever는 벡터 임베딩(Vector Embedding)을 활용해 의미 기반 검색을 할 수 있어요.그렇다면 Retriever만으로도 충분하지 않을까요?사실 그렇지 않아요. Retriever는 검색 속도가 빠르..