현재 인공지능 기술이 외국어 교육에 적용되고 논의되는 것이 활발하며, 대형 언어 모델이 외국어 교육에서 교사와 학생에게 편리함과 효율성을 제공하는 것은 자명합니다. 그러나 대형 언어 모델은 매개변수 수가 많고, 학습 시간이 길며, 신경망의 블랙박스 특성 등으로 인해 지식 업데이트 속도가 느리고, 분야별 지식이 부족하며, 답변의 '환각' 문제 등이 존재하여 교육 응용 시 지식 산출의 신뢰성 위험 및 문제가 있습니다. 검색 강화 생성(Retrieval Augmented Generation, RAG)은 외부 지식을 통합하여 대형 언어 모델의 '환각' 문제를 효과적으로 완화하여 대형 언어 모델 능력 향상을 위한 중요한 기술이 되었습니다. 본 논문에서는 인터넷 데이터로 대표되는 실시간 업데이트 네트워크 지식, 지식 그래프로 대표되는 구조화된 데이터 지식, 사용자 개인 로컬 문서로 대표되는 비구조화된 개인 데이터, 그리고 대형 언어 모델의 강력한 자연어 이해 능력과 이미 습득한 매개변수화 지식을 결합하여 다중 엔진, 다중 전략의 지식 검색 강화 질의응답 시스템을 구축하여 외국어 교육 시스템에 종합 적용하였으며, 탐구 학습 과정에서 교사와 학생이 직면한 문제에 답변할 수 있으며, 안전하고 신뢰할 수 있으며 참고 정보가 포괄적이고 정확하며 실시간으로 업데이트되는 특징을 지닙니다. 객관적 평가 및 전문가 주관 평가 등의 실험을 통해 시스템의 우수한 신뢰성과 유효성이 검증되었습니다.

대형 언어 모델; 검색 강화 생성; 지식 그래프; 다중 출처 이기종 지식베이스; 외국어 지식 질의응답