Earticle

초록

한국어

초거대 언어모델(LLM)의 활용이 확산되며, 산업 현장에서는 오픈소스 LLM과 RAG 기술을 접목해 비용 효율적인 AI 적용을 모색하고 있다. 본 연구는 관세 분야의 핵심 요소인 HS code 판별에 RAG 기반 LLM 시스템을 적용하고, 사이즈가 다른 모델 간의 성능 차이를 비교·분석하였다. 다양한 품목분류 데이터를 기반으로 구축한 RAG 시스템이 통관 업무의 자동화 및 효율화에 기여할 수 있음을 실험을 통해 확인하였으며, 이는 민간 기업의 관세 실무에 활용 가능한 기초 자료로서의 가치를 가진다.

목차

요약
1. 서론
2. 관련연구
2.1 관세 품목분류 코드(HS code)
2.2 검색 증강 생성(RAG: Retrieval-Augmented Gene- ration) 기술
2.3 RAG 검색 방식
2.4 LLM의 문장 이해도 및 추론 성능
2.5 기존 연구와의 차별성
3. 방법론
3.1 THR-RAG 프레임워크
3.2 데이터 수집
3.3 데이터 전처리
3.4 응답 품질 평가
4. 실험결과
4.1 관세 품목분류 코드 품질 측정 결과: Top-1
4.2 관세 품목분류 코드 품질 측정 결과: Top-3
5. 결론
참고자료

저자

• 김호경 [ 국립한밭대학교 일반대학원 경영학과 박사과정 ]
• 김건우 [ 국립한밭대학교 융합경영학과 교수 ]
• 최근호 [ 국립한밭대학교 융합경영학과 부교수 ] 교신저자

참고문헌