Multi-Reranker: Maximizing performance of retrieval-augmented generation in the FinanceRAG challenge
Fuente:
arXiv
Salvato in:
| Autori principali: | Lee, Joohyun, Roh, Minji |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Provence: efficient and robust context pruning for retrieval-augmented generation
di: Chirkova, Nadezhda, et al.
Pubblicazione: (2025)
di: Chirkova, Nadezhda, et al.
Pubblicazione: (2025)
The Coverage Illusion: From Pre-retrieval Routing Failure to Post-retrieval Cascades in a Production RAG System
di: Hussain, Zafar, et al.
Pubblicazione: (2026)
di: Hussain, Zafar, et al.
Pubblicazione: (2026)
Optimizing RAG Rerankers with LLM Feedback via Reinforcement Learning
di: Wu, Yuhang, et al.
Pubblicazione: (2026)
di: Wu, Yuhang, et al.
Pubblicazione: (2026)
Gumbel Reranking: Differentiable End-to-End Reranker Optimization
di: Huang, Siyuan, et al.
Pubblicazione: (2025)
di: Huang, Siyuan, et al.
Pubblicazione: (2025)
Multi-task retriever fine-tuning for domain-specific and efficient RAG
di: Béchard, Patrice, et al.
Pubblicazione: (2025)
di: Béchard, Patrice, et al.
Pubblicazione: (2025)
List-aware Reranking-Truncation Joint Model for Search and Retrieval-augmented Generation
di: Xu, Shicheng, et al.
Pubblicazione: (2024)
di: Xu, Shicheng, et al.
Pubblicazione: (2024)
On the impact of retrieved content representations in RAG Pipelines
di: Ross, Jonathan J, et al.
Pubblicazione: (2026)
di: Ross, Jonathan J, et al.
Pubblicazione: (2026)
$\text{R}^2\text{R}$: A Route-to-Rerank Post-Training Framework for Multi-Domain Decoder-Only Rerankers
di: Wang, Xinyu, et al.
Pubblicazione: (2025)
di: Wang, Xinyu, et al.
Pubblicazione: (2025)
How Good are LLM-based Rerankers? An Empirical Analysis of State-of-the-Art Reranking Models
di: Abdallah, Abdelrahman, et al.
Pubblicazione: (2025)
di: Abdallah, Abdelrahman, et al.
Pubblicazione: (2025)
Relevance Isn't All You Need: Scaling RAG Systems With Inference-Time Compute Via Multi-Criteria Reranking
di: LeVine, Will, et al.
Pubblicazione: (2025)
di: LeVine, Will, et al.
Pubblicazione: (2025)
RCSB PDB AI Help Desk: retrieval-augmented generation for protein structure deposition support
di: Chithari, Vivek Reddy, et al.
Pubblicazione: (2026)
di: Chithari, Vivek Reddy, et al.
Pubblicazione: (2026)
State Space Models are Strong Text Rerankers
di: Xu, Zhichao, et al.
Pubblicazione: (2024)
di: Xu, Zhichao, et al.
Pubblicazione: (2024)
LegalMALR:Multi-Agent Query Understanding and LLM-Based Reranking for Chinese Statute Retrieval
di: Li, Yunhan, et al.
Pubblicazione: (2026)
di: Li, Yunhan, et al.
Pubblicazione: (2026)
Enhancing Q&A Text Retrieval with Ranking Models: Benchmarking, fine-tuning and deploying Rerankers for RAG
di: Moreira, Gabriel de Souza P., et al.
Pubblicazione: (2024)
di: Moreira, Gabriel de Souza P., et al.
Pubblicazione: (2024)
ProRank: Prompt Warmup via Reinforcement Learning for Small Language Models Reranking
di: Li, Xianming, et al.
Pubblicazione: (2025)
di: Li, Xianming, et al.
Pubblicazione: (2025)
Self-Calibrated Listwise Reranking with Large Language Models
di: Ren, Ruiyang, et al.
Pubblicazione: (2024)
di: Ren, Ruiyang, et al.
Pubblicazione: (2024)
Fine-tune the Entire RAG Architecture (including DPR retriever) for Question-Answering
di: Siriwardhana, Shamane, et al.
Pubblicazione: (2021)
di: Siriwardhana, Shamane, et al.
Pubblicazione: (2021)
Rank-K: Test-Time Reasoning for Listwise Reranking
di: Yang, Eugene, et al.
Pubblicazione: (2025)
di: Yang, Eugene, et al.
Pubblicazione: (2025)
PankRAG: Enhancing Graph Retrieval via Globally Aware Query Resolution and Dependency-Aware Reranking Mechanism
di: Li, Ningyuan, et al.
Pubblicazione: (2025)
di: Li, Ningyuan, et al.
Pubblicazione: (2025)
InfoGain-RAG: Boosting Retrieval-Augmented Generation via Document Information Gain-based Reranking and Filtering
di: Wang, Zihan, et al.
Pubblicazione: (2025)
di: Wang, Zihan, et al.
Pubblicazione: (2025)
xRAG: Extreme Context Compression for Retrieval-augmented Generation with One Token
di: Cheng, Xin, et al.
Pubblicazione: (2024)
di: Cheng, Xin, et al.
Pubblicazione: (2024)
Knowledge-Aware Diverse Reranking for Cross-Source Question Answering
di: Zhou, Tong
Pubblicazione: (2025)
di: Zhou, Tong
Pubblicazione: (2025)
DiffuRank: Effective Document Reranking with Diffusion Language Models
di: Liu, Qi, et al.
Pubblicazione: (2026)
di: Liu, Qi, et al.
Pubblicazione: (2026)
Evaluating Answer Reranking Strategies in Time-sensitive Question Answering
di: Kardan, Mehmet, et al.
Pubblicazione: (2025)
di: Kardan, Mehmet, et al.
Pubblicazione: (2025)
LimRank: Less is More for Reasoning-Intensive Information Reranking
di: Song, Tingyu, et al.
Pubblicazione: (2025)
di: Song, Tingyu, et al.
Pubblicazione: (2025)
Distillation versus Contrastive Learning: How to Train Your Rerankers
di: Xu, Zhichao, et al.
Pubblicazione: (2025)
di: Xu, Zhichao, et al.
Pubblicazione: (2025)
MEG-RAG: Quantifying Multi-modal Evidence Grounding for Evidence Selection in RAG
di: Wang, Xihang, et al.
Pubblicazione: (2026)
di: Wang, Xihang, et al.
Pubblicazione: (2026)
Leveraging Passage Embeddings for Efficient Listwise Reranking with Large Language Models
di: Liu, Qi, et al.
Pubblicazione: (2024)
di: Liu, Qi, et al.
Pubblicazione: (2024)
Towards Trustworthy Reranking: A Simple yet Effective Abstention Mechanism
di: Gisserot-Boukhlef, Hippolyte, et al.
Pubblicazione: (2024)
di: Gisserot-Boukhlef, Hippolyte, et al.
Pubblicazione: (2024)
ReFIT: Relevance Feedback from a Reranker during Inference
di: Reddy, Revanth Gangi, et al.
Pubblicazione: (2023)
di: Reddy, Revanth Gangi, et al.
Pubblicazione: (2023)
Zero-shot Audio Topic Reranking using Large Language Models
di: Qian, Mengjie, et al.
Pubblicazione: (2023)
di: Qian, Mengjie, et al.
Pubblicazione: (2023)
Prompt-Based LLMs for Position Bias-Aware Reranking in Personalized Recommendations
di: Islam, Md Aminul, et al.
Pubblicazione: (2025)
di: Islam, Md Aminul, et al.
Pubblicazione: (2025)
ListConRanker: A Contrastive Text Reranker with Listwise Encoding
di: Liu, Junlong, et al.
Pubblicazione: (2025)
di: Liu, Junlong, et al.
Pubblicazione: (2025)
Beyond Sequential Reranking: Reranker-Guided Search Improves Reasoning Intensive Retrieval
di: Xu, Haike, et al.
Pubblicazione: (2025)
di: Xu, Haike, et al.
Pubblicazione: (2025)
InstUPR : Instruction-based Unsupervised Passage Reranking with Large Language Models
di: Huang, Chao-Wei, et al.
Pubblicazione: (2024)
di: Huang, Chao-Wei, et al.
Pubblicazione: (2024)
An Early FIRST Reproduction and Improvements to Single-Token Decoding for Fast Listwise Reranking
di: Chen, Zijian, et al.
Pubblicazione: (2024)
di: Chen, Zijian, et al.
Pubblicazione: (2024)
CoRNStack: High-Quality Contrastive Data for Better Code Retrieval and Reranking
di: Suresh, Tarun, et al.
Pubblicazione: (2024)
di: Suresh, Tarun, et al.
Pubblicazione: (2024)
H-RAG at SemEval-2026 Task 8: Hierarchical Parent-Child Retrieval for Multi-Turn RAG Conversations
di: Elchafei, Passant, et al.
Pubblicazione: (2026)
di: Elchafei, Passant, et al.
Pubblicazione: (2026)
CoRank: LLM-Based Compact Reranking with Document Features for Scientific Retrieval
di: Tian, Runchu, et al.
Pubblicazione: (2025)
di: Tian, Runchu, et al.
Pubblicazione: (2025)
MAIN-RAG: Multi-Agent Filtering Retrieval-Augmented Generation
di: Chang, Chia-Yuan, et al.
Pubblicazione: (2024)
di: Chang, Chia-Yuan, et al.
Pubblicazione: (2024)
Documenti analoghi
-
Provence: efficient and robust context pruning for retrieval-augmented generation
di: Chirkova, Nadezhda, et al.
Pubblicazione: (2025) -
The Coverage Illusion: From Pre-retrieval Routing Failure to Post-retrieval Cascades in a Production RAG System
di: Hussain, Zafar, et al.
Pubblicazione: (2026) -
Optimizing RAG Rerankers with LLM Feedback via Reinforcement Learning
di: Wu, Yuhang, et al.
Pubblicazione: (2026) -
Gumbel Reranking: Differentiable End-to-End Reranker Optimization
di: Huang, Siyuan, et al.
Pubblicazione: (2025) -
Multi-task retriever fine-tuning for domain-specific and efficient RAG
di: Béchard, Patrice, et al.
Pubblicazione: (2025)