PixelRAG, 웹페이지를 텍스트 대신 스크린샷으로 색인해 RAG 정확도 높이고 AI agent 토큰 비용 10분의 1로 절감

UC Berkeley, Princeton University, EPFL, Databricks 연구진은 웹페이지를 텍스트로 파싱하지 않고 스크린샷 타일로 색인하는 PixelRAG를 공개했습니다. Wikipedia 전체에 해당하는 3,000만 개 스크린샷 타일 실험에서 6개 벤치마크 기준 텍스트 기반 RAG보다 정확도가 최대 18.1% 높았습니다.

본 기사는 enterprise RAG의 병목이 LLM 자체보다 HTML parsing과 전처리 단계에 있을 수 있음을 보여줍니다. VLM이 성숙하면서 레이아웃, 표, 강조, 이미지 같은 시각적 검색 신호를 직접 활용하는 방식이 복잡한 사이트별 파서 개발을 대체할 가능성이 커지고 있습니다.