한 줄 정의
Grounding은 모델이 허공에서 답을 짓지 않게, 검색 결과나 데이터베이스, 문서 같은 외부 근거에 답변을 연결하는 방식이야. 쉽게 말하면 모델 자체를 다시 훈련하는 게 아니라, 답변 직전에 발밑에 근거를 깔아 주는 절차라고 보면 돼.
어떻게 작동하나
질문이 들어오면 먼저 웹 검색, 사내 검색, 벡터 검색 같은 단계에서 관련 자료를 가져오고, 그 내용을 프롬프트나 컨텍스트에 넣어 모델이 그 근거를 바탕으로 답하게 만들어. 어떤 시스템은 인용 링크나 출처 텍스트까지 같이 보여 줘서 사용자가 답의 근거를 직접 확인하게 하고, 어떤 시스템은 보이지 않더라도 내부적으로 같은 구조를 써.
왜 중요한가
모델은 최신 사건이나 조직 내부 문서를 기본적으로 모르기 때문에, 실서비스에 들어가면 Grounding이 거의 필수처럼 붙는 경우가 많아. 특히 검색 결과를 붙이면 사실성, 시의성, 추적 가능성이 같이 올라가서, 그냥 그럴듯한 답보다 검증 가능한 답에 더 가까워져.
주의해서 볼 점
Grounding을 붙였다고 무조건 참이 되진 않아. 잘못 검색한 문서나 낡은 자료를 붙이면 오히려 틀린 답을 근거 있어 보이게 만들 수 있고, 검색 품질이 낮으면 모델 자체보다 검색층이 병목이 되기도 해.
관련 용어
- RAG: Grounding을 구현하는 대표 패턴이야. 자료를 찾고, 그 자료를 붙여 답하게 만드는 전체 흐름을 말해.
- LlamaIndex: Grounding 파이프라인을 코드로 짜는 데 자주 쓰이는 도구야. 어떤 문서를 어떻게 연결할지 설계할 때 많이 등장해.
- Embedding: 어떤 문서가 질문과 가까운지 찾는 핵심 표현 방식이야. Grounding의 검색 품질을 크게 좌우해.
- Vector DB: 임베딩을 저장하고 꺼내는 저장소야. Grounding 시스템에서 검색 속도와 운영 편의성을 받쳐 줘.