# 바이두 AI 특허 쉽게 읽기: 모델 답변과 검색 지식이 충돌할 때 RAG가 처리하는 방법

바이두의 미국 공개특허출원 US20260087055A1을 바탕으로 모델 답변과 검색 지식의 사실·의미 충돌 분류 및 재처리 흐름을 살펴봅니다.

Source: https://www.iplexlaw.co.kr/ko/blog/baidu-rag-knowledge-conflict-resolution

HOME / NEWS & INSIGHTS NEWS & INSIGHTS 바이두 AI 특허 쉽게 읽기: 모델 답변과 검색 지식이 충돌할 때 RAG가 처리하는 방법 바이두의 미국 공개특허출원 US20260087055A1을 바탕으로 모델 답변과 검색 지식의 사실·의미 충돌 분류 및 재처리 흐름을 살펴봅니다. 인공지능 2026.10.06 게시 IPLEX 10분 읽기 US20260087055A1은 2026년 3월 26일 공개된 특허출원 문헌입니다. A1은 등록특허를 뜻하지 않습니다. 이 글은 공개된 기술의 분석이며, Qianfan 제품이 모든 청구항을 실제 구현한다거나 특허등록이 완료됐다고 단정하지 않습니다. 모델 답변과 검색 지식의 불일치를 비교하는 개념도 초기 답변과 검색 문서를 비교하고, 답변과 검색을 다시 수행해 재비교하는 흐름을 표현한 개념 이미지입니다. 사내 문서를 검색하는 AI라도 모델이 만든 답변과 문서 내용이 서로 다르면 바로 답을 정하기 어렵습니다. 바이두의 미국 공개특허출원 US20260087055A1은 초기 답변과 검색 결과의 지식 충돌을 분류하고, 충돌 유형에 따라 최종 답변을 만드는 방법을 설명합니다. 가상의 출장 정산 문의로 이 기술을 살펴보고, 바이두 Qianfan의 지식검색과 RAG 기능을 업무 관점에서 쉽게 풀어 드리겠습니다. 목차 · 궁금한 부분부터 읽어 보세요 사내 문서를 찾았는데 답변은 왜 다를까요? RAG와 모델 내부 지식, 검색 지식의 뜻 답변·응답 논리·문맥 지식을 함께 준비하기 사실 충돌과 의미 충돌을 나누는 방법 다시 생성하고 검색하며 답변을 다듬는 흐름 Qianfan의 지식검색과 업무용 RAG 이해하기 개발팀이 살펴볼 검색과 답변 처리의 연결 1. 사내 문서를 찾았는데 답변은 왜 다를까요? 직원이 사내 AI에 “출장 경비는 언제까지 정산해야 하나요?”라고 묻는 상황을 떠올려 보세요. 모델은 익숙한 업무 표현을 이용해 “매월 말까지 제출하시면 됩니다”라고 답할 수 있습니다. 그런데 회사의 출장 지침을 검색했더니 “출장 종료 후 7일 안에 제출한다”는 문장이 나온다면 어떻게 답해야 할까요? 이 글의 기간과 규정은 기술을 설명하기 위한 가상 예시입니다. 검색 결과를 답변 옆에 붙여 놓는 것만으로 문제가 해결되지는 않습니다. 모델이 처음 만든 안내와 검색 문서가 다른데도 두 내용을 섞으면, 직원에게 서로 다른 마감일을 알려 줄 수 있습니다. 숫자가 다른 것인지, 문장에서 담당자와 대상의 관계를 잘못 이해한 것인지에 따라 처리 방법도 달라집니다. 바이두의 미국 공개특허출원 US20260087055A1은 바로 이 지점에 초점을 둡니다. 먼저 모델의 결과와 검색한 결과를 준비하고, 두 결과 사이의 충돌이 어떤 종류인지 판단한 뒤 최종 답변을 만듭니다. 큰 모델이 더 많은 지식을 알고 있는가에 더해, 서로 다른 지식을 만났을 때 어떻게 처리하는가를 살펴보는 기술입니다. 2. RAG와 모델 내부 지식, 검색 지식의 뜻 LLM은 많은 문장으로 학습한 대규모 언어 모델입니다. 학습한 정보와 표현 방식은 모델의 계산에 쓰이는 숫자인 파라미터에 반영됩니다. 이처럼 학습을 통해 모델 안에 반영된 지식을 이 글에서는 모델 내부 지식이라고 부르겠습니다. 사내 지침의 현재 문장을 그대로 저장해 찾아오는 문서함과는 성격이 다릅니다. 외부 지식은 답변을 만들 때 문서나 데이터베이스에서 검색해 가져오는 정보입니다. 회사의 출장 지침, 제품 설명서, 업무 매뉴얼 같은 자료를 생각하시면 됩니다. 지식검색은 질문과 관련된 자료를 찾는 과정이고, 지식베이스는 그 자료를 검색할 수 있도록 모아 둔 저장소입니다. RAG는 Retrieval-Augmented Generation의 약자로, 한국어로는 검색 증강 생성이라고 합니다. 질문에 관련된 자료를 검색하고, 그 내용을 모델의 답변 생성에 활용하는 방식입니다. 모델을 매번 다시 학습시키는 대신 필요한 자료를 답변 과정에 넣을 수 있습니다. 이때 모델이 익숙하게 생성한 내용과 검색 자료가 어긋나는 상황까지 처리할 흐름이 필요합니다. 3. 답변·응답 논리·문맥 지식을 함께 준비하기 이 공개출원의 첫 단계는 질문을 모델에 입력해 초기 결과를 준비하는 것입니다. 초기 결과에는 답변 문장만 들어 있지 않습니다. 답변을 만들어 낸 응답 논리와, 답변을 만들 때 사용한 문맥 지식도 함께 포함됩니다. 결과를 세 부분으로 다루면 어느 내용이 검색 자료와 어긋나는지 살피는 입력을 구성할 수 있습니다. 가상 출장 예시에서는 “매월 말까지 제출한다”가 초기 답변입니다. “회사 비용은 월별로 처리하므로 월말에 정산한다”는 설명이 응답 논리의 예가 될 수 있고, 일반적인 월별 비용 처리에 대한 내용은 문맥 지식의 예가 될 수 있습니다. 여기서 응답 논리는 시스템이 얻은 설명용 결과를 뜻합니다. 모델 안의 모든 계산이나 실제 사고 과정을 그대로 보여 주는 정보라고 볼 필요는 없습니다. 공개공보 도 1: 초기 결과·검색·충돌 분류·최종 답변의 흐름 원문 FIG. 1. 초기 답변·응답 논리·문맥 지식을 준비하고, 검색 결과와의 지식 충돌 유형을 판단해 최종 답변을 만드는 기본 흐름입니다. 이어 같은 질문으로 데이터베이스를 검색합니다. 검색 대상은 미리 만든 지식베이스뿐 아니라 문헌이나 웹 자료 등일 수 있으며, 여러 저장소를 이용할 수도 있습니다. 초기 결과와 검색 결과를 한쪽으로 합치기 전에 비교 대상으로 준비하는 점이 중요합니다. “모델이 무엇을 답했는가”와 “검색에서 무엇을 가져왔는가”를 나누어 놓는 것입니다. 4. 사실 충돌과 의미 충돌을 나누는 방법 사실 충돌은 날짜나 수치, 사건의 내용처럼 사실에 해당하는 정보가 서로 다른 경우입니다. 가상 정산 규정에서 “매월 말”과 “출장 종료 후 7일”은 마감 조건이 다릅니다. 반면 의미 충돌은 문장의 대상이나 관계를 잘못 해석한 경우입니다. “팀장이 직원의 정산을 승인한다”를 “직원이 팀장의 정산을 승인한다”로 바꾸면 단어가 비슷해도 역할의 관계가 달라집니다. 공개출원이 설명하는 방식 중 하나는 각 충돌 유형의 정의와 참고 예시를 모델에 함께 입력하는 것입니다. 초기 결과와 검색 결과만 보여 주는 대신, 어떤 차이를 사실 오류로 보고 어떤 차이를 의미 오류로 볼지 설명해 주는 구성입니다. 원문은 문법 오류 등 다른 충돌 유형도 예로 들지만, 여기서는 사실과 의미의 차이를 중심으로 읽어 보겠습니다. 공개공보 도 2: 오류의 정의와 참고 예시를 이용한 분류 원문 FIG. 2. 초기 결과와 검색 결과에 사실·의미 오류의 정의 및 참고 예시를 더해 모델이 충돌 유형을 판단하는 흐름입니다. 이렇게 충돌을 분류하는 모델과 초기 답변을 만드는 모델은 같은 모델일 수도 있고 서로 다른 모델일 수도 있습니다. 기능을 여러 단계로 나누었다고 반드시 그만큼 별도의 모델을 준비해야 하는 것은 아닙니다. 핵심은 각 단계에 어떤 입력을 주고 어떤 결과를 받는지를 나누어 설계하는 데 있습니다. 5. 다시 생성하고 검색하며 답변을 다듬는 흐름 충돌 유형을 얻으면 그 유형에 맞게 다음 처리를 진행합니다. 의미 충돌의 경우에는 초기 결과와 검색 결과, 충돌 유형, 의미 오류의 정의와 참고 예시를 답변 처리 모델에 함께 입력하는 방식이 있습니다. 역할의 관계를 잘못 읽은 문장이라면, 무엇이 뒤바뀌었는지 판단할 자료를 주어 최종 답변을 만드는 흐름입니다. 이 답변 처리 모델도 초기 답변 모델이나 충돌 판별 모델과 같을 수도, 다를 수도 있습니다. 사실 충돌을 처리하는 방식은 다시 생성하고 다시 검색하는 흐름으로 설명됩니다. 같은 질문을 초기 결과를 만들었던 첫 번째 모델에 다시 입력하고 데이터베이스에서도 다시 자료를 검색한 다음, 두 결과의 충돌 유형을 다시 판단합니다. 사실 충돌로 분류되지 않을 때까지 이 과정을 반복하는 실시예입니다. 여기서 다시 검색할 저장소나 검색 결과는 앞의 것과 같을 수도, 다를 수도 있습니다. 가상의 출장 정산 예시: 실제 제품 화면이나 회사 규정이 아닙니다 직접 제작한 가상의 출장 정산 문의 예시입니다. 기간과 규정은 설명을 위해 만든 내용이며, 실제 바이두 제품 화면이나 특정 회사의 업무 규정을 나타내지 않습니다. 가상 예시에서는 월말 정산이라는 초기 답변과 출장 종료 후 제출이라는 지침을 다시 살피는 상황을 생각하실 수 있습니다. 답변을 다시 만들고 문서를 다시 검색한 결과가 “출장 종료 후 7일 안에 제출한다”로 맞아지는 경우, 그 내용을 이용해 안내를 이어 갑니다. 검색 문서가 언제나 옳다고 가정해 초기 답변의 문구만 바꾸는 방식과는 처리 흐름이 다릅니다. 숫자가 달라진 원인이 초기 결과에 있을 수도 있고 검색 결과에 있을 수도 있기 때문입니다. 이 기술에서의 재비교는 두 결과 사이에 남아 있는 사실 충돌을 판단하는 과정입니다. 두 결과가 일치한다는 것과 실제 업무 정보가 정확하다는 것을 동일하게 취급하기보다, 서비스를 만들 때에는 사용하는 문서의 내용과 관리 방법도 함께 살펴야 합니다. 6. Qianfan의 지식검색과 업무용 RAG 이해하기 바이두의 Qianfan(천범)은 대규모 모델 서비스와 Agent 개발을 위한 플랫폼입니다. Agent는 질문을 받고 정해진 처리 단계나 도구를 이용해 일을 수행하는 소프트웨어 구성이라고 이해하시면 됩니다. 업무용 질문을 입력받아 관련 문서를 찾고, 찾은 내용을 답변 생성에 전달하는 흐름도 이런 구성으로 만들 수 있습니다. Qianfan의 지식베이스 노드는 질문을 받아 선택한 저장소에서 관련 문서 조각을 반환합니다. 키워드 중심의 전체 텍스트 검색, 질문의 뜻을 고려하는 의미 검색, 두 방식을 함께 사용하는 혼합 검색을 안내하며, 찾은 조각을 다시 정렬하는 기능도 제공합니다. 문서 전체를 무조건 입력하는 대신 관련 부분을 골라 모델에 전달하는 모습을 생각하시면 됩니다. 공식 RAG 작업 흐름 예시에서는 검색 노드가 내보낸 문서 조각의 내용을 모델 노드의 입력에 연결하고, 사용자의 원래 질문도 함께 전달합니다. 앞서 읽은 기술을 이해할 때에도 검색으로 자료를 가져오는 단계와 자료를 사용해 답변을 처리하는 단계를 구분하면 좋습니다. 업무 질문에 필요한 자료를 잘 찾는 일과, 서로 다른 내용이 섞인 답변을 어떻게 다듬는지는 각각 설계할 부분입니다. 7. 개발팀이 살펴볼 검색과 답변 처리의 연결 이 공개출원 기술에서 눈여겨볼 점은 충돌 유형을 다음 처리 단계의 입력으로 사용한다는 것입니다. 초기 답변, 답변을 만드는 데 사용한 설명, 검색 자료를 준비하고, 이들 사이의 차이를 분류한 뒤 답변 처리 방법을 정합니다. 검색 결과를 길게 붙이는 것에 더해, 결과 사이의 관계를 다루는 구성입니다. 개발팀은 날짜나 수치가 다른 질문, 담당자와 대상의 관계가 뒤바뀐 질문을 나누어 시험해 볼 수 있습니다. 어떤 자료가 검색되었는지, 초기 결과의 어느 부분이 달랐는지, 어떤 유형으로 분류되었는지 기록하면 처리 단계를 점검하기 쉽습니다. 이 기록은 답변을 다시 학습했다는 뜻이 아니라, 실행 과정과 입력·출력을 살피기 위한 자료입니다. 서비스 설계에서는 답변과 검색을 반복할 때의 처리 시간, 문서의 갱신, 업무 담당자에게 전달할 조건도 함께 고려할 수 있습니다. 반복 비교가 길어지는 질문과 바로 안내할 수 있는 질문은 운영 방식이 달라질 수 있습니다. 질문 → 초기 결과와 검색 자료 → 충돌 분류 → 유형에 따른 처리의 연결을 구체적으로 정리하면, AI 지식검색 서비스가 어떤 순서로 답변을 만드는지 설명하기가 쉬워집니다. 기술을 더 읽어 볼 참고 자료 USPTO · US20260087055A1 특허 원문 — 지식 충돌 처리의 기술 설명과 원문 FIG. 1·2를 읽어 보실 수 있습니다. 바이두 Qianfan · 지식베이스 노드 공식 문서 바이두 Qianfan · 문서검색 질의응답 RAG 작업 흐름 바이두 · 기업과 본사 안내 함께 읽으면 좋은 글 DEEPX DX-M1과 AI 반도체 특허: 학습과 현장 추론을 잇는 방법추론 중 가중치를 바꾸는 LLM: In-Place Test-Time Training 논문·특허 분석인공지능 특허 변리사 김용덕 · 아이피렉스 업무 소개 우리 AI 서비스의 처리 흐름과 기술 차이를 정리해 보세요 아이피렉스 특허법률사무소는 AI·소프트웨어의 처리 흐름과 구성별 차이를 살펴 특허 출원과 권리 설계를 지원합니다. 상담하실 때에는 공개 가능한 범위의 검색·모델 처리 흐름도, 단계별 입력과 출력, 기존 방식과의 차이 및 평가 조건을 준비해 주시면 구체적인 기술 검토에 도움이 됩니다. 김용덕 대표 변리사의 AI 분야 프로젝트와 『인공지능 특허 확보 전략』 등 관련 저서는 AI 특허 업무·전문 경력 소개와 공식 프로필에서 살펴보실 수 있습니다. 김용덕 변리사 AI 전문성 확인하기 우리 AI 서비스의 처리 흐름과 기술 차이를 정리해 보세요 아이피렉스 특허법률사무소는 AI·소프트웨어의 처리 흐름과 구성별 차이를 살펴 특허 출원과 권리 설계를 지원합니다. 상담하실 때에는 공개 가능한 범위의 검색·모델 처리 흐름도, 단계별 입력과 출력, 기존 방식과의 차이 및 평가 조건을 준비해 주시면 구체적인 기술 검토에 도움이 됩니다. 김용덕 대표 변리사의 AI 분야 프로젝트와 『인공지능 특허 확보 전략』 등 관련 저서는 AI 특허 업무·전문 경력 소개와 공식 프로필에서 살펴보실 수 있습니다. 티스토리 원문 관련 AI 특허 업무 함께 읽기: 추론 중 가중치를 바꾸는 학습 함께 읽기: DEEPX의 학습과 현장 추론 이 글은 표시된 게시일을 기준으로 작성된 자료입니다. 개별 사안에 대한 검토는 상담을 통해 안내합니다. 관련 업무 상담 ↗ 전체 글 보기 ON THIS PAGE 1. 사내 문서를 찾았는데 답변은 왜 다를까요? 2. RAG와 모델 내부 지식, 검색 지식의 뜻 3. 답변·응답 논리·문맥 지식을 함께 준비하기 4. 사실 충돌과 의미 충돌을 나누는 방법 5. 다시 생성하고 검색하며 답변을 다듬는 흐름 6. Qianfan의 지식검색과 업무용 RAG 이해하기 7. 개발팀이 살펴볼 검색과 답변 처리의 연결 우리 AI 서비스의 처리 흐름과 기술 차이를 정리해 보세요 TALK TO IPLEX 우리 기업에 맞는 IP 전략이 필요하다면 기술과 사업의 상황에 맞춰 필요한 업무를 함께 살펴봅니다. ↗ 상담 문의 최근 글 상품이 달라도 상표등록 무효? ↗ 이전 글 특허 진보성과 사후적 판단의 함정 ↗ 함께 읽을 인사이트 인공지능 2026.10.15 거리에서 경로로, PaTH Attention PaTH Attention의 입력 의존 Householder형 변환과 상태 추적 원리, 장문·모델 전환 실험의 효과와 한계를 분석합니다. ↗ 본문 읽기 인공지능 2026.10.14 화웨이 Pangu Weather AI 특허 쉽게 읽기: 시간 간격별 모델로 예보를 이어 가는 원리 화웨이 공개출원 US20250258318A1의 시간 간격별 모델 선택, 예측 상태 전달과 기상 데이터 결합 원리를 분석합니다. ↗ 본문 읽기 인공지능 2026.10.13 큰 묶음으로 갱신하는 AI의 기억, LaCT LaCT 논문의 큰 청크 갱신, 비선형 빠른 가중치, 윈도 어텐션 및 실험 조건과 한계를 분석합니다. ↗ 본문 읽기

- https://www.iplexlaw.co.kr/
- https://www.iplexlaw.co.kr/%EC%9D%B8%EC%82%AC%EC%9D%B4%ED%8A%B8-%EB%B0%8F-%EB%89%B4%EC%8A%A4/category/ai
- https://iplexlaw.tistory.com/6
- https://www.iplexlaw.co.kr/ko/ai-patents
- https://www.iplexlaw.co.kr/forum/view/1525199
- https://www.iplexlaw.co.kr/ko/blog/deepx-heterogeneous-processors-edge-ai
- https://www.iplexlaw.co.kr/%EC%97%B0%EB%9D%BD%ED%95%98%EA%B8%B0
- https://www.iplexlaw.co.kr/%EC%9D%B8%EC%82%AC%EC%9D%B4%ED%8A%B8-%EB%B0%8F-%EB%89%B4%EC%8A%A4
- https://www.iplexlaw.co.kr/ko/blog/baidu-rag-knowledge-conflict-resolution#case-baidu-ko-0
- https://www.iplexlaw.co.kr/ko/blog/baidu-rag-knowledge-conflict-resolution#case-baidu-ko-1
- https://www.iplexlaw.co.kr/ko/blog/baidu-rag-knowledge-conflict-resolution#case-baidu-ko-2
- https://www.iplexlaw.co.kr/ko/blog/baidu-rag-knowledge-conflict-resolution#case-baidu-ko-3
- https://www.iplexlaw.co.kr/ko/blog/baidu-rag-knowledge-conflict-resolution#case-baidu-ko-4
- https://www.iplexlaw.co.kr/ko/blog/baidu-rag-knowledge-conflict-resolution#case-baidu-ko-5
- https://www.iplexlaw.co.kr/ko/blog/baidu-rag-knowledge-conflict-resolution#case-baidu-ko-6
- https://www.iplexlaw.co.kr/ko/blog/baidu-rag-knowledge-conflict-resolution#case-baidu-ko-7
- https://www.iplexlaw.co.kr/%EC%97%B0%EB%9D%BD%ED%95%98%EA%B8%B0
- https://www.iplexlaw.co.kr/ko/blog/brunch-case-1801
- https://www.iplexlaw.co.kr/ko/blog/brunch-case-1800
- https://www.iplexlaw.co.kr/ko/blog/path-attention-householder-transformations
- https://www.iplexlaw.co.kr/ko/blog/path-attention-householder-transformations
- https://www.iplexlaw.co.kr/ko/blog/huawei-pangu-weather-time-interval-models
- https://www.iplexlaw.co.kr/ko/blog/huawei-pangu-weather-time-interval-models
- https://www.iplexlaw.co.kr/ko/blog/lact-large-chunk-test-time-training
- https://www.iplexlaw.co.kr/ko/blog/lact-large-chunk-test-time-training