本論文では、長く構造化された金融文書に対するリトリーバル拡張生成（RAG）の課題に焦点を当て、メタデータ駆動型の進化したRAG技術を提案しています。新しい多段階のRAGアーキテクチャを開発し、LLM生成のメタデータを活用します。文書を文脈に富んだチャンクにインデックス化し、事前収集フィルタリング、後収集の再ランク、強化埋め込みなどの手法を評価します。主な成果として、テキストに直接メタデータを埋め込むことによりパフォーマンスが大きく向上することが示されており、LLM駆動の最適化を取り入れた最適なアーキテクチャが提案されています。また、商業的ソリューションに対するコスト効果の高いカスタムメタデータ再ランカーも紹介されており、金融文書分析のための堅牢なメタデータ対応RAGシステムの構築に向けた青写真を提供しています。