Buchumschlag

HGOT: Hierarchical Graph of Thoughts for Retrieval-Augmented In-Context Learning in Factuality Evaluation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fang, Yihao, Thomas, Stephen W., Zhu, Xiaodan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

HIRAG: Hierarchical-Thought Instruction-Tuning Retrieval-Augmented Generation
von: Jiao, YiHan, et al.
Veröffentlicht: (2025)

ContextRAG: Extraction-Free Hierarchical Graph Construction for Retrieval-Augmented Generation
von: Prosvirnin, Roman, et al.
Veröffentlicht: (2026)

Face4RAG: Factual Consistency Evaluation for Retrieval Augmented Generation in Chinese
von: Xu, Yunqi, et al.
Veröffentlicht: (2024)

RAT: Retrieval Augmented Thoughts Elicit Context-Aware Reasoning in Long-Horizon Generation
von: Wang, Zihao, et al.
Veröffentlicht: (2024)

Trustworthy Reasoning: Evaluating and Enhancing Factual Accuracy in LLM Intermediate Thought Processes
von: Jiao, Rui, et al.
Veröffentlicht: (2025)

SentGraph: Hierarchical Sentence Graph for Multi-hop Retrieval-Augmented Question Answering
von: Liang, Junli, et al.
Veröffentlicht: (2026)

LEAF: Learning and Evaluation Augmented by Fact-Checking to Improve Factualness in Large Language Models
von: Tran, Hieu, et al.
Veröffentlicht: (2024)

Knowledgeable In-Context Tuning: Exploring and Exploiting Factual Knowledge for In-Context Learning
von: Wang, Jianing, et al.
Veröffentlicht: (2023)

Is Factuality Enhancement a Free Lunch For LLMs? Better Factuality Can Lead to Worse Context-Faithfulness
von: Bi, Baolong, et al.
Veröffentlicht: (2024)

HiChunk: Evaluating and Enhancing Retrieval-Augmented Generation with Hierarchical Chunking
von: Lu, Wensheng, et al.
Veröffentlicht: (2025)

CoT-RAG: Integrating Chain of Thought and Retrieval-Augmented Generation to Enhance Reasoning in Large Language Models
von: Li, Feiyang, et al.
Veröffentlicht: (2025)

AttentionRAG: Attention-Guided Context Pruning in Retrieval-Augmented Generation
von: Fang, Yixiong, et al.
Veröffentlicht: (2025)

Retrieval-Augmented Generation with Hierarchical Knowledge
von: Huang, Haoyu, et al.
Veröffentlicht: (2025)

GCoT: Chain-of-Thought Prompt Learning for Graphs
von: Yu, Xingtong, et al.
Veröffentlicht: (2025)

Breaking the Static Graph: Context-Aware Traversal for Robust Retrieval-Augmented Generation
von: Lau, Kwun Hang, et al.
Veröffentlicht: (2026)

Knowledge Graph-Guided Retrieval Augmented Generation
von: Zhu, Xiangrong, et al.
Veröffentlicht: (2025)

Enhancing Robustness of Retrieval-Augmented Language Models with In-Context Learning
von: Park, Seong-Il, et al.
Veröffentlicht: (2024)

KG-FPQ: Evaluating Factuality Hallucination in LLMs with Knowledge Graph-based False Premise Questions
von: Zhu, Yanxu, et al.
Veröffentlicht: (2024)

Beyond Factual Grounding: The Case for Opinion-Aware Retrieval-Augmented Generation
von: Agrawal, Aditya, et al.
Veröffentlicht: (2026)

ReaRAG: Knowledge-guided Reasoning Enhances Factuality of Large Reasoning Models with Iterative Retrieval Augmented Generation
von: Lee, Zhicheng, et al.
Veröffentlicht: (2025)

REFIND at SemEval-2025 Task 3: Retrieval-Augmented Factuality Hallucination Detection in Large Language Models
von: Lee, DongGeon, et al.
Veröffentlicht: (2025)

Causal Graphs Meet Thoughts: Enhancing Complex Reasoning in Graph-Augmented LLMs
von: Luo, Hang, et al.
Veröffentlicht: (2025)

Do Automatic Factuality Metrics Measure Factuality? A Critical Evaluation
von: Ramprasad, Sanjana, et al.
Veröffentlicht: (2024)

MAD-Fact: A Multi-Agent Debate Framework for Long-Form Factuality Evaluation in LLMs
von: Ning, Yucheng, et al.
Veröffentlicht: (2025)

GraphRAG-Bench: Challenging Domain-Specific Reasoning for Evaluating Graph Retrieval-Augmented Generation
von: Xiao, Yilin, et al.
Veröffentlicht: (2025)

RGAR: Recurrence Generation-augmented Retrieval for Factual-aware Medical Question Answering
von: Liang, Sichu, et al.
Veröffentlicht: (2025)

Rethinking the Chain-of-Thought: The Roles of In-Context Learning and Pre-trained Priors
von: Yang, Hao, et al.
Veröffentlicht: (2025)

RAC: Efficient LLM Factuality Correction with Retrieval Augmentation
von: Li, Changmao, et al.
Veröffentlicht: (2024)

Evaluating Retrieval-Augmented Generation vs. Long-Context Input for Clinical Reasoning over EHRs
von: Myers, Skatje, et al.
Veröffentlicht: (2025)

Dehallucinating Parallel Context Extension for Retrieval-Augmented Generation
von: Ma, Zexiong, et al.
Veröffentlicht: (2024)

Parallel Context-of-Experts Decoding for Retrieval Augmented Generation
von: Corallo, Giulio, et al.
Veröffentlicht: (2026)

On the Consistency of Multilingual Context Utilization in Retrieval-Augmented Generation
von: Qi, Jirui, et al.
Veröffentlicht: (2025)

RARe: Retrieval Augmented Retrieval with In-Context Examples
von: Tejaswi, Atula, et al.
Veröffentlicht: (2024)

Enhancing Retrieval Augmented Generation with Hierarchical Text Segmentation Chunking
von: Nguyen, Hai Toan, et al.
Veröffentlicht: (2025)

Evaluating and Safeguarding the Adversarial Robustness of Retrieval-Based In-Context Learning
von: Yu, Simon, et al.
Veröffentlicht: (2024)

When Language Shapes Thought: Cross-Lingual Transfer of Factual Knowledge in Question Answering
von: Kang, Eojin, et al.
Veröffentlicht: (2025)

Scalable In-Context Learning on Tabular Data via Retrieval-Augmented Large Language Models
von: Wen, Xumeng, et al.
Veröffentlicht: (2025)

Reconstructing Context: Evaluating Advanced Chunking Strategies for Retrieval-Augmented Generation
von: Merola, Carlo, et al.
Veröffentlicht: (2025)

Preemptive Detection and Correction of Misaligned Actions in LLM Agents
von: Fang, Haishuo, et al.
Veröffentlicht: (2024)

Retrieval-Augmented LLM Agents: Learning to Learn from Experience
von: Ferraz, Thomas Palmeira, et al.
Veröffentlicht: (2026)