Comparative Analysis of Fine-Tuning and Retrieval-Augmented Generation Approaches for Artwork Question Answering

본 연구는 국립현대미술관의 소장품 데이터를 활용하여 도메인 특화 질의응답(QA)에서의 파인튜닝(Fine-Tuning)과 검색 증강 생성(Retrieval-Augmented Generation, RAG) 기법을 비교했다. Gemma 3 언어모델을 대상으로 저랭크 적응(Low-Rank Adaptation, LoRA)을 기반으로 한 매개변수 효율적 파인튜닝(Parameter-Efficient Fine-Tuning, PEFT)을 수행하고, 이와 비교하기 위해 벡터 데이터베이스 기반의 RAG 시스템을 구축하여 50개의 QA쌍으로 각 모델들을 평가했다. 평가 지표로는 응답 관련성(Response Relevance), 사실적 정확성(Factual Correctness), 의미적 유사성(Semantic Similarity), 답변 정확성(Answer Correctness)을 사용했다. 실험 결과 RAG 시스템은 응답 관련성을 제외한 모든 지표에서 파인튜닝 및 기본 모델보다 우수했으며, 특히 사실적 정확성과 답변 정확성에서 큰 성능향상을 보여줬다. 이는 RAG 시스템이 도메인 지식을 활용한 QA 시스템을 구축하기에 적합한 방식임을 시사한다.