Buchumschlag

A Systematic Evaluation of LLM Strategies for Mental Health Text Analysis: Fine-tuning vs. Prompt Engineering vs. RAG

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kermani, Arshia, Perez-Rosas, Veronica, Metsis, Vangelis
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence Information Retrieval Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

RAG Playground: A Framework for Systematic Evaluation of Retrieval Strategies and Prompt Engineering in RAG Systems
von: Papadimitriou, Ioannis, et al.
Veröffentlicht: (2024)

Fine-tune the Entire RAG Architecture (including DPR retriever) for Question-Answering
von: Siriwardhana, Shamane, et al.
Veröffentlicht: (2021)

Evaluating LLM-based Approaches to Legal Citation Prediction: Domain-specific Pre-training, Fine-tuning, or RAG? A Benchmark and an Australian Law Case Study
von: Han, Jiuzhou, et al.
Veröffentlicht: (2024)

UNH at CheckThat! 2025: Fine-tuning Vs Prompting in Claim Extraction
von: Wilder, Joe, et al.
Veröffentlicht: (2025)

Pre-training vs. Fine-tuning: A Reproducibility Study on Dense Retrieval Knowledge Acquisition
von: Yao, Zheng, et al.
Veröffentlicht: (2025)

Chained Prompting for Better Systematic Review Search Strategies
von: Nasser, Fatima, et al.
Veröffentlicht: (2025)

RAG vs. GraphRAG: A Systematic Evaluation and Key Insights
von: Han, Haoyu, et al.
Veröffentlicht: (2025)

Advanced ingestion process powered by LLM parsing for RAG system
von: Perez, Arnau, et al.
Veröffentlicht: (2024)

LLM, Reporting In! Medical Information Extraction Across Prompting, Fine-tuning and Post-correction
von: Belmadani, Ikram, et al.
Veröffentlicht: (2025)

Optimizing RAG Pipelines for Arabic: A Systematic Analysis of Core Components
von: Alsubhi, Jumana, et al.
Veröffentlicht: (2025)

Vector RAG vs LLM-Compiled Wiki: A Preregistered Comparison on a Small Multi-Domain Research
von: Cochran, Theodore O.
Veröffentlicht: (2026)

BioRAG: A RAG-LLM Framework for Biological Question Reasoning
von: Wang, Chengrui, et al.
Veröffentlicht: (2024)

FG-RAG: Enhancing Query-Focused Summarization with Context-Aware Fine-Grained Graph RAG
von: Hong, Yubin, et al.
Veröffentlicht: (2025)

Support Evaluation for the TREC 2024 RAG Track: Comparing Human versus LLM Judges
von: Thakur, Nandan, et al.
Veröffentlicht: (2025)

GPT vs RETRO: Exploring the Intersection of Retrieval and Parameter-Efficient Fine-Tuning
von: Ficek, Aleksander, et al.
Veröffentlicht: (2024)

A Tale of Trust and Accuracy: Base vs. Instruct LLMs in RAG Systems
von: Cuconasu, Florin, et al.
Veröffentlicht: (2024)

ExpertRAG: Efficient RAG with Mixture of Experts -- Optimizing Context Retrieval for Adaptive LLM Responses
von: Gumaan, Esmail
Veröffentlicht: (2025)

Balancing Fine-tuning and RAG: A Hybrid Strategy for Dynamic LLM Recommendation Updates
von: Meng, Changping, et al.
Veröffentlicht: (2025)

Sustainable Digitalization of Business with Multi-Agent RAG and LLM
von: Arslan, Muhammad, et al.
Veröffentlicht: (2025)

RAG-IGBench: Innovative Evaluation for RAG-based Interleaved Generation in Open-domain Question Answering
von: Zhang, Rongyang, et al.
Veröffentlicht: (2025)

Fine-tuning Small Language Models as Efficient Enterprise Search Relevance Labelers
von: Kang, Yue, et al.
Veröffentlicht: (2026)

Principled Context Engineering for RAG: Statistical Guarantees via Conformal Prediction
von: Chakraborty, Debashish, et al.
Veröffentlicht: (2025)

Optimizing RAG Rerankers with LLM Feedback via Reinforcement Learning
von: Wu, Yuhang, et al.
Veröffentlicht: (2026)

Tuning LLMs by RAG Principles: Towards LLM-native Memory
von: Wei, Jiale, et al.
Veröffentlicht: (2025)

MCERF: Advancing Multimodal LLM Evaluation of Engineering Documentation with Enhanced Retrieval
von: Khanghah, Kiarash Naghavi, et al.
Veröffentlicht: (2026)

LlamaRec-LKG-RAG: A Single-Pass, Learnable Knowledge Graph-RAG Framework for LLM-Based Ranking
von: Azizi, Vahid, et al.
Veröffentlicht: (2025)

Q-PEFT: Query-dependent Parameter Efficient Fine-tuning for Text Reranking with Large Language Models
von: Peng, Zhiyuan, et al.
Veröffentlicht: (2024)

EncouRAGe: Evaluating RAG Local, Fast, and Reliable
von: Strich, Jan, et al.
Veröffentlicht: (2025)

Knowledge Compression via Question Generation: Enhancing Multihop Document Retrieval without Fine-tuning
von: Eponon, Anvi Alex, et al.
Veröffentlicht: (2025)

FineTuneBench: How well do commercial fine-tuning APIs infuse knowledge into LLMs?
von: Wu, Eric, et al.
Veröffentlicht: (2024)

RouteRAG: Efficient Retrieval-Augmented Generation from Text and Graph via Reinforcement Learning
von: Guo, Yucan, et al.
Veröffentlicht: (2025)

Knowledge Management for Automobile Failure Analysis Using Graph RAG
von: Ojima, Yuta, et al.
Veröffentlicht: (2024)

RAG-KG-IL: A Multi-Agent Hybrid Framework for Reducing Hallucinations and Enhancing LLM Reasoning through RAG and Incremental Knowledge Graph Learning Integration
von: Yu, Hong Qing, et al.
Veröffentlicht: (2025)

DoTA-RAG: Dynamic of Thought Aggregation RAG
von: Ruangtanusak, Saksorn, et al.
Veröffentlicht: (2025)

CLI-RAG: A Retrieval-Augmented Framework for Clinically Structured and Context Aware Text Generation with LLMs
von: Keerthana, Garapati, et al.
Veröffentlicht: (2025)

Explicit v.s. Implicit Memory: Exploring Multi-hop Complex Reasoning Over Personalized Information
von: Zhang, Zeyu, et al.
Veröffentlicht: (2025)

Memory-Based vs. Context-Only Conditioning Produces Distinct Behavioral Patterns in Stateful Personalization
von: Park, Junsoo, et al.
Veröffentlicht: (2026)

SearchRAG: Can Search Engines Be Helpful for LLM-based Medical Question Answering?
von: Shi, Yucheng, et al.
Veröffentlicht: (2025)

How Significant Are the Real Performance Gains? An Unbiased Evaluation Framework for GraphRAG
von: Zeng, Qiming, et al.
Veröffentlicht: (2025)

ECoRAG: Evidentiality-guided Compression for Long Context RAG
von: Jeong, Yeonseok, et al.
Veröffentlicht: (2025)