Buchumschlag

REFINE on Scarce Data: Retrieval Enhancement through Fine-Tuning via Model Fusion of Embedding Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gupta, Ambuje, Rawat, Mrinal, Stolcke, Andreas, Pieraccini, Roberto
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LEMUR: A Corpus for Robust Fine-Tuning of Multilingual Law Embedding Models for Retrieval
von: Ahmadi, Narges Baba, et al.
Veröffentlicht: (2026)

Optimized Quran Passage Retrieval Using an Expanded QA Dataset and Fine-Tuned Language Models
von: Basem, Mohamed, et al.
Veröffentlicht: (2024)

NUDGE: Lightweight Non-Parametric Fine-Tuning of Embeddings for Retrieval
von: Zeighami, Sepanta, et al.
Veröffentlicht: (2024)

Dwell in the Beginning: How Language Models Embed Long Documents for Dense Retrieval
von: Coelho, João, et al.
Veröffentlicht: (2024)

MedEIR: A Specialized Medical Embedding Model for Enhanced Information Retrieval
von: Selvadurai, Anand, et al.
Veröffentlicht: (2025)

Fine-Tuning Large Language Models and Evaluating Retrieval Methods for Improved Question Answering on Building Codes
von: Aqib, Mohammad, et al.
Veröffentlicht: (2025)

Adapting General-Purpose Embedding Models to Private Datasets Using Keyword-based Retrieval
von: Wei, Yubai, et al.
Veröffentlicht: (2025)

Prompt-Level Distillation: A Non-Parametric Alternative to Model Fine-Tuning for Efficient Reasoning
von: Badhe, Sanket, et al.
Veröffentlicht: (2026)

Parenting: Optimizing Knowledge Selection of Retrieval-Augmented Language Models with Parameter Decoupling and Tailored Tuning
von: Xu, Yongxin, et al.
Veröffentlicht: (2024)

Optimization Methods for Personalizing Large Language Models through Retrieval Augmentation
von: Salemi, Alireza, et al.
Veröffentlicht: (2024)

Analysis of Plan-based Retrieval for Grounded Text Generation
von: Godbole, Ameya, et al.
Veröffentlicht: (2024)

Lessons Learned on Information Retrieval in Electronic Health Records: A Comparison of Embedding Models and Pooling Strategies
von: Myers, Skatje, et al.
Veröffentlicht: (2024)

ReasonEmbed: Enhanced Text Embeddings for Reasoning-Intensive Document Retrieval
von: Chen, Jianlyu, et al.
Veröffentlicht: (2025)

Revela: Dense Retriever Learning via Language Modeling
von: Cai, Fengyu, et al.
Veröffentlicht: (2025)

Granite Embedding Models
von: Awasthy, Parul, et al.
Veröffentlicht: (2025)

Learning to Rank for Multiple Retrieval-Augmented Models through Iterative Utility Maximization
von: Salemi, Alireza, et al.
Veröffentlicht: (2024)

Two-Stage Quranic QA via Ensemble Retrieval and Instruction-Tuned Answer Extraction
von: Basem, Mohamed, et al.
Veröffentlicht: (2025)

Improve Dense Passage Retrieval with Entailment Tuning
von: Dai, Lu, et al.
Veröffentlicht: (2024)

GraphRAFT: Retrieval Augmented Fine-Tuning for Knowledge Graphs on Graph Databases
von: Clemedtson, Alfred, et al.
Veröffentlicht: (2025)

TempRetriever: Fusion-based Temporal Dense Passage Retrieval for Time-Sensitive Questions
von: Abdallah, Abdelrahman, et al.
Veröffentlicht: (2025)

When Actions Teach You to Think: Reasoning-Action Synergy via Reinforcement Learning in Conversational Agents
von: Rawat, Mrinal, et al.
Veröffentlicht: (2025)

Hierarchical Semantic Retrieval with Cobweb
von: Gupta, Anant, et al.
Veröffentlicht: (2025)

EmbeddingRWKV: State-Centric Retrieval with Reusable States
von: Hou, Haowen, et al.
Veröffentlicht: (2026)

Hybrid Retrieval for COVID-19 Literature: Comparing Rank Fusion and Projection Fusion with Diversity Reranking
von: Prajapati, Harishkumar Kishorkumar
Veröffentlicht: (2026)

TurkEmbed: Turkish Embedding Model on NLI & STS Tasks
von: Ezerceli, Özay, et al.
Veröffentlicht: (2025)

RbFT: Robust Fine-tuning for Retrieval-Augmented Generation against Retrieval Defects
von: Tu, Yiteng, et al.
Veröffentlicht: (2025)

Domain Fine-Tuning vs. Retrieval-Augmented Generation for Medical Multiple-Choice Question Answering: A Controlled Comparison at the 4B-Parameter Scale
von: Buskila, Avi-ad Avraam
Veröffentlicht: (2026)

Multi-word Term Embeddings Improve Lexical Product Retrieval
von: Shcherbakov, Viktor, et al.
Veröffentlicht: (2024)

Granite Embedding R2 Models
von: Awasthy, Parul, et al.
Veröffentlicht: (2025)

Enhancing Automatic Term Extraction with Large Language Models via Syntactic Retrieval
von: Chun, Yongchan, et al.
Veröffentlicht: (2025)

M-RAG: Reinforcing Large Language Model Performance through Retrieval-Augmented Generation with Multiple Partitions
von: Wang, Zheng, et al.
Veröffentlicht: (2024)

Retrieval-Augmented Generation: A Comprehensive Survey of Architectures, Enhancements, and Robustness Frontiers
von: Sharma, Chaitanya
Veröffentlicht: (2025)

Cost-Aware Retrieval-Augmentation Reasoning Models with Adaptive Retrieval Depth
von: Hashemi, Helia, et al.
Veröffentlicht: (2025)

Generalizing Conversational Dense Retrieval via LLM-Cognition Data Augmentation
von: Chen, Haonan, et al.
Veröffentlicht: (2024)

Beyond Single Embeddings: Capturing Diverse Targets with Multi-Query Retrieval
von: Chen, Hung-Ting, et al.
Veröffentlicht: (2025)

Pooling and Semantic Shift: The Fundamental Challenges in Long Text Embedding and Retrieval
von: Gao, Hang, et al.
Veröffentlicht: (2026)

Improving Text Embeddings with Large Language Models
von: Wang, Liang, et al.
Veröffentlicht: (2023)

Automating Research Synthesis with Domain-Specific Large Language Model Fine-Tuning
von: Susnjak, Teo, et al.
Veröffentlicht: (2024)

FunnelRAG: A Coarse-to-Fine Progressive Retrieval Paradigm for RAG
von: Zhao, Xinping, et al.
Veröffentlicht: (2024)

Federated Retrieval-Augmented Generation: A Systematic Mapping Study
von: Chakraborty, Abhijit, et al.
Veröffentlicht: (2025)