그래프 기반 검색증강생성(GraphRAG)은 대부분 질의마다 동일한 탐색 절차를 사용해 구조적 불일치가 발생한다는 문제의식에서, 연구진은 질의별 탐색 정책을 제어 문제로 정식화한 훈련이 필요 없는 프레임워크 'Mosaic'을 제안했다. LLM 분석기가 질의별 증거 요구사항을 시드 선택·그래프 탐색·중단·증거 선택에 대한 정책으로 변환하는 방식이다. GraphRAG-Bench에서 Mosaic은 의료 분야 76.97점, 소설 분야 64.33점의 질의가중 정답정확도를 기록해 기존 최고 결과 대비 각각 5.13점, 4.43점 향상됐으며, 가장 강력한 고정 정책 대비로도 9.96점 개선됐다. 고정 광역 정책 대비 탐색 경로는 81.9% 줄이면서도 증거는 47.2% 덜 사용했다.

• •질의별 맞춤 탐색 정책을 제어 문제로 정식화한 훈련불필요 프레임워크 'Mosaic' 제안
• •GraphRAG-Bench에서 의료 76.97점, 소설 64.33점으로 기존 최고 대비 각각 5.13·4.43점 향상
• •가장 강한 고정 정책 대비로도 9.96점 개선
• •고정 광역 정책 대비 탐색 경로 81.9% 감소, 증거 사용량 47.2% 감소