Buchumschlag

DR-RAG: Applying Dynamic Document Relevance to Retrieval-Augmented Generation for Question-Answering

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hei, Zijian, Liu, Weiling, Ou, Wenjie, Qiao, Juyi, Jiao, Junming, Song, Guowen, Tian, Ting, Lin, Yi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MASR: Self-Reflective Reasoning through Multimodal Hierarchical Attention Focusing for Agent-based Video Understanding
von: Cao, Shiwen, et al.
Veröffentlicht: (2025)

MUST-RAG: MUSical Text Question Answering with Retrieval Augmented Generation
von: Kwon, Daeyong, et al.
Veröffentlicht: (2025)

Optimizing Retrieval Strategies for Financial Question Answering Documents in Retrieval-Augmented Generation Systems
von: Kim, Sejong, et al.
Veröffentlicht: (2025)

TabRAG: Improving Tabular Document Question Answering for Retrieval Augmented Generation via Structured Representations
von: Si, Jacob, et al.
Veröffentlicht: (2025)

Decomposing Retrieval Failures in RAG for Long-Document Financial Question Answering
von: Kobeissi, Amine, et al.
Veröffentlicht: (2026)

Improving Retrieval for RAG based Question Answering Models on Financial Documents
von: Setty, Spurthi, et al.
Veröffentlicht: (2024)

SF-RAG: Structure-Fidelity Retrieval-Augmented Generation for Academic Question Answering
von: Yu, Rui, et al.
Veröffentlicht: (2026)

RAG-X: Systematic Diagnosis of Retrieval-Augmented Generation for Medical Question Answering
von: Sivakumar, Aswini, et al.
Veröffentlicht: (2026)

CG-RAG: Research Question Answering by Citation Graph Retrieval-Augmented LLMs
von: Hu, Yuntong, et al.
Veröffentlicht: (2025)

W-RAG: Weakly Supervised Dense Retrieval in RAG for Open-domain Question Answering
von: Nian, Jinming, et al.
Veröffentlicht: (2024)

Understanding Retrieval Augmentation for Long-Form Question Answering
von: Chen, Hung-Ting, et al.
Veröffentlicht: (2023)

MultiFinRAG: An Optimized Multimodal Retrieval-Augmented Generation (RAG) Framework for Financial Question Answering
von: Gondhalekar, Chinmay, et al.
Veröffentlicht: (2025)

Agentic Retrieval-Augmented Generation for Financial Document Question Answering
von: Shu, Yang, et al.
Veröffentlicht: (2026)

Benchmarking Retrieval-Augmented Multimodal Generation for Document Question Answering
von: Dong, Kuicai, et al.
Veröffentlicht: (2025)

REAR: A Relevance-Aware Retrieval-Augmented Framework for Open-Domain Question Answering
von: Wang, Yuhao, et al.
Veröffentlicht: (2024)

FoRAG: Factuality-optimized Retrieval Augmented Generation for Web-enhanced Long-form Question Answering
von: Cai, Tianchi, et al.
Veröffentlicht: (2024)

RuleRAG: Rule-Guided Retrieval-Augmented Generation with Language Models for Question Answering
von: Chen, Zhongwu, et al.
Veröffentlicht: (2024)

AccurateRAG: A Framework for Building Accurate Retrieval-Augmented Question-Answering Applications
von: Nguyen, Linh The, et al.
Veröffentlicht: (2025)

ComRAG: Retrieval-Augmented Generation with Dynamic Vector Stores for Real-time Community Question Answering in Industry
von: Chen, Qinwen, et al.
Veröffentlicht: (2025)

Comparing RAG and GraphRAG for Page-Level Retrieval Question Answering on Math Textbook
von: Chen, Eason, et al.
Veröffentlicht: (2025)

EfficientRAG: Efficient Retriever for Multi-Hop Question Answering
von: Zhuang, Ziyuan, et al.
Veröffentlicht: (2024)

SemRAG: Semantic Knowledge-Augmented RAG for Improved Question-Answering
von: Zhong, Kezhen, et al.
Veröffentlicht: (2025)

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

Augmenting Question Answering with A Hybrid RAG Approach
von: Yang, Tianyi, et al.
Veröffentlicht: (2026)

PDF Retrieval Augmented Question Answering
von: Hoang, Thi Thu Uyen, et al.
Veröffentlicht: (2025)

Hybrid Retrieval-Augmented Generation for Robust Multilingual Document Question Answering
von: Mudet, Anthony, et al.
Veröffentlicht: (2025)

CBR-RAG: Case-Based Reasoning for Retrieval Augmented Generation in LLMs for Legal Question Answering
von: Wiratunga, Nirmalie, et al.
Veröffentlicht: (2024)

ManuRAG: Multi-modal Retrieval Augmented Generation for Manufacturing Question Answering (Early Version)
von: Li, Yunqing, et al.
Veröffentlicht: (2026)

RAG-VR: Leveraging Retrieval-Augmented Generation for 3D Question Answering in VR Environments
von: Ding, Shiyi, et al.
Veröffentlicht: (2025)

AstroRAG -- A Pagerank-Based Retrieval-Augmented Generation Pipeline for Question Answering in Astronomy
von: Wang, Zhifeng, et al.
Veröffentlicht: (2026)

RAG-QA Arena: Evaluating Domain Robustness for Long-form Retrieval Augmented Question Answering
von: Han, Rujun, et al.
Veröffentlicht: (2024)

Improving the Domain Adaptation of Retrieval Augmented Generation (RAG) Models for Open Domain Question Answering
von: Siriwardhana, Shamane, et al.
Veröffentlicht: (2022)

First Token Probability Guided RAG for Telecom Question Answering
von: Chen, Tingwei, et al.
Veröffentlicht: (2025)

Chunking, Retrieval, and Re-ranking: An Empirical Evaluation of RAG Architectures for Policy Document Question Answering
von: Maharjan, Anuj, et al.
Veröffentlicht: (2026)

Hypercube-Based Retrieval-Augmented Generation for Scientific Question-Answering
von: Shi, Jimeng, et al.
Veröffentlicht: (2025)

Optimizing Question Semantic Space for Dynamic Retrieval-Augmented Multi-hop Question Answering
von: Ye, Linhao, et al.
Veröffentlicht: (2025)

Is Relevance Propagated from Retriever to Generator in RAG?
von: Tian, Fangzheng, et al.
Veröffentlicht: (2025)

MARA: A Multimodal Adaptive Retrieval-Augmented Framework for Document Question Answering
von: Wu, Hui, et al.
Veröffentlicht: (2026)

Reference-Aligned Retrieval-Augmented Question Answering over Heterogeneous Proprietary Documents
von: Choi, Nayoung, et al.
Veröffentlicht: (2025)

LongRAG: A Dual-Perspective Retrieval-Augmented Generation Paradigm for Long-Context Question Answering
von: Zhao, Qingfei, et al.
Veröffentlicht: (2024)