KURE (한국어 검색 임베딩)

KURE는 고려대학교에서 개발한 한국어 검색 특화 임베딩 모델입니다.

GitHub 현황 (2026년 8월 기준)

• 스타 228 · 포크 14
• 라이선스 MIT · 저장소 nlpai-lab/KURE
• 생성 2024-09-26 · 마지막 push 2026-04-14

RAG가 한국어에서 실패하는 첫 지점

문서를 넣고 질문하면 답이 이상할 때, 원인은 대개 모델이 아니라 검색입니다. 질문과 관련된 문단을 못 찾아오면 아무리 좋은 모델도 답할 수 없습니다.

그 검색을 담당하는 것이 임베딩입니다. 영어용 임베딩으로 한국어를 검색하면 정확도가 떨어집니다. 조사가 붙어 형태가 달라지고, 띄어쓰기가 흔들리고, 한자어와 고유어가 같은 뜻으로 쓰입니다.

“검색 특화”가 별도인 이유

임베딩은 용도마다 학습 방식이 다릅니다. 문장 유사도용과 검색용은 최적화 지점이 달라서, 질문과 문서를 짝지어 학습한 모델이 RAG에서 더 잘 작동합니다. KURE가 겨냥한 자리입니다.

그리고 임베딩을 바꾸면 저장된 벡터를 전부 다시 만들어야 합니다. 문서가 많으면 비용과 시간이 들어, 교체는 초기에 결정하는 편이 좋습니다.

함께 볼 한국어 모델·데이터

• KoBERT·KoELECTRA 계열 사전학습 모델
• KoAlpaca: 한국어 명령어 이해 모델(2024-10 정체)
• soynlp: 사전 없이 통계로 단어 추출
• KSS·Kiwi: 문장 분리·형태소 분석

KURE만 “검색”을 위한 모델입니다. 나머지가 텍스트를 이해하거나 쪼개는 도구라면, 이쪽은 찾아오는 단계를 맡습니다. RAG를 만들 때 실제로 가장 먼저 손봐야 하는 지점입니다.

이런 분께 맞아요

• 한국어 RAG를 만드는 개발자
• 검색 정확도가 안 나와 막힌 팀
• 영어용 임베딩을 그대로 쓰고 있던 서비스
• 한국어 임베딩을 비교 평가하려는 연구자