Tag
#Vector Search 5
2026
[LLM Wiki 17] HyDE Embedding: 가상의 답변으로 검색 품질을 높이는 기술
HyDE Embedding의 개념, 장점과 단점, 한계, 언제 쓰면 좋은지와 피해야 할 상황을 검색 시스템 관점에서 도식 중심으로 설명한다.
#LLM Wiki #HyDE #Embedding #Vector Search #RAG #QMD #검색[LLM Wiki 16] Query Expansion: 짧은 질문을 검색 가능한 여러 표현으로 바꾸는 기술
Query Expansion의 개념, QMD에서 lex/vec/hyde로 동작하는 방식, qmd-query-expansion 모델의 학습 과정, 예제와 한계를 도식 중심으로 설명한다.
#LLM Wiki #Query Expansion #qmd #RAG #HyDE #BM25 #Vector Search[LLM Wiki 15] QMD 소스 레벨 분석: 로컬 Markdown 검색 엔진의 내부 구조
QMD GitHub README와 소스를 기준으로 collection, SQLite store, FTS/BM25, sqlite-vec, query expansion, RRF, local reranker, MCP server가 어떻게 연결되는지 분석한다.
#LLM Wiki #qmd #소스분석 #BM25 #Vector Search #Rerank #MCP[LLM Wiki 11] qmd의 기술 구조와 사용 케이스
qmd가 LLM Wiki에서 어떤 위치를 차지하고, BM25, 벡터 검색, reranker, 모델 설정을 어떻게 활용하는지 설명한다.
#LLM Wiki #qmd #BM25 #Vector Search #Reranker[LLM Wiki 6] qmd와 자연어 검색: BM25, Vector Search, Reranker
qmd가 BM25, 벡터 검색, query expansion, reranking으로 자연어 검색을 처리하는 방식을 설명한다.
#LLM Wiki #qmd #BM25 #Vector Search #Reranker