Buchumschlag

Is Relevance Propagated from Retriever to Generator in RAG?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tian, Fangzheng, Ganguly, Debasis, Macdonald, Craig
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Predicting Retrieval Utility and Answer Quality in Retrieval-Augmented Generation
von: Tian, Fangzheng, et al.
Veröffentlicht: (2026)

RAQG-QPP: Query Performance Prediction with Retrieved Query Variants and Retrieval Augmented Query Generation
von: Tian, Fangzheng, et al.
Veröffentlicht: (2026)

Revisiting Query Variants: The Advantage of Retrieval Over Generation of Query Variants for Effective QPP
von: Tian, Fangzheng, et al.
Veröffentlicht: (2025)

Am I on the Right Track? What Can Predicted Query Performance Tell Us about the Search Behaviour of Agentic RAG
von: Tian, Fangzheng, et al.
Veröffentlicht: (2025)

LURE-RAG: Lightweight Utility-driven Reranking for Efficient RAG
von: Chandra, Manish, et al.
Veröffentlicht: (2026)

T-Retrievability: A Topic-Focused Approach to Measure Fair Document Exposure in Information Retrieval
von: Chang, Xuejun, et al.
Veröffentlicht: (2025)

A Deep Learning Approach for Selective Relevance Feedback
von: Datta, Suchana, et al.
Veröffentlicht: (2024)

SuiteEval: Simplifying Retrieval Benchmarks
von: Parry, Andrew, et al.
Veröffentlicht: (2026)

"In-Context Learning" or: How I learned to stop worrying and love "Applied Information Retrieval"
von: Parry, Andrew, et al.
Veröffentlicht: (2024)

On Precomputation and Caching in Information Retrieval Experiments with Pipeline Architectures
von: MacAvaney, Sean, et al.
Veröffentlicht: (2025)

HF-RAG: Hierarchical Fusion-based RAG with Multiple Sources and Rankers
von: Santra, Payel, et al.
Veröffentlicht: (2025)

Constructing and Evaluating Declarative RAG Pipelines in PyTerrier
von: Macdonald, Craig, et al.
Veröffentlicht: (2025)

Exploiting Positional Bias for Query-Agnostic Generative Content in Search
von: Parry, Andrew, et al.
Veröffentlicht: (2024)

Breaking Flat: A Generalised Query Performance Prediction Evaluation Framework
von: Santra, Payel, et al.
Veröffentlicht: (2026)

Beyond Correlations: A Downstream Evaluation Framework for Query Performance Prediction
von: Santra, Payel, et al.
Veröffentlicht: (2026)

Few-shot Prompting for Pairwise Ranking: An Effective Non-Parametric Retrieval Model
von: Sinhababu, Nilanjan, et al.
Veröffentlicht: (2024)

Measuring Hypothesis Testing Errors in the Evaluation of Retrieval Systems
von: McKechnie, Jack, et al.
Veröffentlicht: (2025)

HypRAG: Hyperbolic Dense Retrieval for Retrieval Augmented Generation
von: Madhu, Hiren, et al.
Veröffentlicht: (2026)

Disentangling Locality and Entropy in Ranking Distillation
von: Parry, Andrew, et al.
Veröffentlicht: (2025)

Top-Down Partitioning for Efficient List-Wise Ranking
von: Parry, Andrew, et al.
Veröffentlicht: (2024)

Evaluating the Explainability of Neural Rankers
von: Pandian, Saran, et al.
Veröffentlicht: (2024)

What Else Would I Like? A User Simulator using Alternatives for Improved Evaluation of Fashion Conversational Recommendation Systems
von: Vlachou, Maria, et al.
Veröffentlicht: (2024)

Enhancing Health Information Retrieval with RAG by Prioritizing Topical Relevance and Factual Accuracy
von: Uapadhyay, Rishabh, et al.
Veröffentlicht: (2025)

Modeling Ranking Properties with In-Context Learning
von: Sinhababu, Nilanjan, et al.
Veröffentlicht: (2025)

Exploring the Role of Diversity in Example Selection for In-Context Learning
von: Kapuriya, Janak, et al.
Veröffentlicht: (2025)

Dynamic Ranked List Truncation for Reranking Pipelines via LLM-generated Reference-Documents
von: Sinhababu, Nilanjan, et al.
Veröffentlicht: (2026)

RAG-Match: Retrieval-Augmented Knowledge Injection and Hierarchical Reasoning for Calibrated Semantic Relevance
von: Jiang, Hengjun, et al.
Veröffentlicht: (2026)

Shallow Cross-Encoders for Low-Latency Retrieval
von: Petrov, Aleksandr V., et al.
Veröffentlicht: (2024)

Beyond Relevance: On the Relationship Between Retrieval and RAG Information Coverage
von: Samuel, Saron, et al.
Veröffentlicht: (2026)

HASH-RAG: Bridging Deep Hashing with Retriever for Efficient, Fine Retrieval and Augmented Generation
von: Guo, Jinyu, et al.
Veröffentlicht: (2025)

Generative Retrieval Meets Multi-Graded Relevance
von: Tang, Yubao, et al.
Veröffentlicht: (2024)

Beyond Questions: Leveraging ColBERT for Keyphrase Search
von: Gabín, Jorge, et al.
Veröffentlicht: (2024)

In-Context Learning as an Effective Estimator of Functional Correctness of LLM-Generated Code
von: Das, Susmita, et al.
Veröffentlicht: (2025)

Aligning GPTRec with Beyond-Accuracy Goals with Reinforcement Learning
von: Petrov, Aleksandr, et al.
Veröffentlicht: (2024)

IGMiRAG: Intuition-Guided Retrieval-Augmented Generation with Adaptive Mining of In-Depth Memory
von: Hou, Xingliang, et al.
Veröffentlicht: (2026)

Prospects of Retrieval Augmented Generation (RAG) for Academic Library Search and Retrieval
von: Bevara, Ravi, et al.
Veröffentlicht: (2025)

Cog-RAG: Cognitive-Inspired Dual-Hypergraph with Theme Alignment Retrieval-Augmented Generation
von: Hu, Hao, et al.
Veröffentlicht: (2025)

Optimizing Query Generation for Enhanced Document Retrieval in RAG
von: Koo, Hamin, et al.
Veröffentlicht: (2024)

Efficient Recommendation with Millions of Items by Dynamic Pruning of Sub-Item Embeddings
von: Petrov, Aleksandr V., et al.
Veröffentlicht: (2025)

Invar-RAG: Invariant LLM-aligned Retrieval for Better Generation
von: Liu, Ziwei, et al.
Veröffentlicht: (2024)