Concept07.062026-07-06 09:0019 min readAI Search는 Vector DB만으로 끝나지 않는다AI Search Technology Meetup in Seoul에서 소개된 논문들을 바탕으로, 현대 AI Search stack을 index, retrieval, reranking, data, agentic search, evaluation 관점에서 정리하는 시리즈를 시작한다.#AI Search#retrieval#vector-search+2
Paper Review07.062026-07-06 09:0021 min read[AI Search] ColBERT: 문서를 하나의 벡터로 뭉개지 않는 검색ColBERT 논문을 AI Search stack의 neural retrieval 계층에서 읽는다. Cross-encoder처럼 세밀하게 비교하고 싶지만 production latency는 지켜야 할 때, late interaction이 어떤 절충점을 만드는지 정리한다.#AI Search#ColBERT#retrieval+2
Paper Review07.062026-07-06 09:0019 min read[AI Search] PLAID: ColBERT를 빠르게 만드는 검색 엔진PLAID 논문을 ColBERT 계열 late interaction retrieval의 운영 엔진 관점에서 읽는다. 품질 좋은 multi-vector 검색을 실제 latency budget 안으로 넣기 위해 centroid interaction과 centroid pruning이 어떻게 쓰이는지 정리한다.#AI Search#PLAID#ColBERT+2
Paper Review07.062026-07-06 09:0018 min read[AI Search] Roaring Bitmap: Vector Search 이전에 필요한 빠른 필터링Roaring Bitmap 논문을 AI Search stack의 가장 아래층인 filtering index 관점에서 읽는다. Vector search가 좋아져도 권한, tenant, 날짜, 언어 같은 hard filter는 빠르고 정확한 set operation 위에서 처리되어야 한다.#AI Search#bitmap-index#roaring-bitmap+2
Paper Review07.062026-07-06 09:0019 min read[AI Search] SPLATE: Sparse Retrieval과 Late Interaction의 만남SPLATE 논문을 AI Search stack 관점에서 읽는다. ColBERTv2의 frozen token embedding을 sparse vocabulary space로 매핑해, late interaction retrieval의 candidate generation을 전통적인 sparse retrieval 인프라로 처리하는 아이디어를 정리한다.#AI Search#SPLATE#ColBERT+3
