Buchumschlag

A Comparison of Independent and Joint Fine-tuning Strategies for Retrieval-Augmented Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lawton, Neal Gregory, Samuel, Alfy, Kumar, Anoop, Liu, Daben
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FB-RAG: Improving RAG with Forward and Backward Lookup
von: Chawla, Kushal, et al.
Veröffentlicht: (2025)

Improving Consistency in Retrieval-Augmented Systems with Group Similarity Rewards
von: Hamman, Faisal, et al.
Veröffentlicht: (2025)

Readability Reconsidered: A Cross-Dataset Analysis of Reference-Free Metrics
von: Belem, Catarina G, et al.
Veröffentlicht: (2025)

Play by the Type Rules: Inferring Constraints for LLM Functions in Declarative Programs
von: Glenn, Parker, et al.
Veröffentlicht: (2025)

Alignment-Weighted DPO: A principled reasoning approach to improve safety alignment
von: Hu, Mengxuan, et al.
Veröffentlicht: (2026)

LLM Optimization Unlocks Real-Time Pairwise Reranking
von: Wu, Jingyu, et al.
Veröffentlicht: (2025)

Retrieval-Augmented Generation Systems for Intellectual Property via Synthetic Multi-Angle Fine-tuning
von: Ren, Runtao, et al.
Veröffentlicht: (2025)

Confidence-Based Response Abstinence: Improving LLM Trustworthiness via Activation-Based Uncertainty Estimation
von: Huang, Zhiqi, et al.
Veröffentlicht: (2025)

ZhiFangDanTai: Fine-tuning Graph-based Retrieval-Augmented Generation Model for Traditional Chinese Medicine Formula
von: Zhang, ZiXuan, et al.
Veröffentlicht: (2025)

RAGChecker: A Fine-grained Framework for Diagnosing Retrieval-Augmented Generation
von: Ru, Dongyu, et al.
Veröffentlicht: (2024)

BalanceRAG: Joint Risk Calibration for Cascaded Retrieval-Augmented Generation
von: Jia, Zijun, et al.
Veröffentlicht: (2026)

SPARSEFIT: Few-shot Prompting with Sparse Fine-tuning for Jointly Generating Predictions and Natural Language Explanations
von: Solano, Jesus, et al.
Veröffentlicht: (2023)

Retrieval-Augmented Fine-Tuning With Preference Optimization For Visual Program Generation
von: Kang, Deokhyung, et al.
Veröffentlicht: (2025)

Harmonizing Diverse Models: A Layer-wise Merging Strategy for Consistent Generation
von: Peng, Xujun, et al.
Veröffentlicht: (2025)

EPSVec: Efficient and Private Synthetic Data Generation via Dataset Vectors
von: Banayeeanzade, Amin, et al.
Veröffentlicht: (2026)

Evaluating Retrieval-Augmented Generation vs. Long-Context Input for Clinical Reasoning over EHRs
von: Myers, Skatje, et al.
Veröffentlicht: (2025)

Evaluation of Retrieval-Augmented Generation: A Survey
von: Yu, Hao, et al.
Veröffentlicht: (2024)

ChatKBQA: A Generate-then-Retrieve Framework for Knowledge Base Question Answering with Fine-tuned Large Language Models
von: Luo, Haoran, et al.
Veröffentlicht: (2023)

FT-RAG: A Fine-grained Retrieval-Augmented Generation Framework for Complex Table Reasoning
von: Guo, Zebin, et al.
Veröffentlicht: (2026)

Relation Extraction with Fine-Tuned Large Language Models in Retrieval Augmented Generation Frameworks
von: Efeoglu, Sefika, et al.
Veröffentlicht: (2024)

MME-RAG: Multi-Manager-Expert Retrieval-Augmented Generation for Fine-Grained Entity Recognition in Task-Oriented Dialogues
von: Xue, Liang, et al.
Veröffentlicht: (2025)

Stage-wise Fine-tuning for Graph-to-Text Generation
von: Wang, Qingyun, et al.
Veröffentlicht: (2021)

A Survey on Knowledge-Oriented Retrieval-Augmented Generation
von: Cheng, Mingyue, et al.
Veröffentlicht: (2025)

Fine-tuning Language Models for Recipe Generation: A Comparative Analysis and Benchmark Study
von: Vij, Anneketh, et al.
Veröffentlicht: (2025)

Knowledge Graph-Guided Retrieval Augmented Generation
von: Zhu, Xiangrong, et al.
Veröffentlicht: (2025)

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

Conversation AI Dialog for Medicare powered by Finetuning and Retrieval Augmented Generation
von: Agrawal, Atharva Mangeshkumar, et al.
Veröffentlicht: (2025)

NeurIPS 2023 LLM Efficiency Fine-tuning Competition
von: Saroufim, Mark, et al.
Veröffentlicht: (2025)

Toward Faithful Retrieval-Augmented Generation with Sparse Autoencoders
von: Xiong, Guangzhi, et al.
Veröffentlicht: (2025)

Increasing the Robustness of the Fine-tuned Multilingual Machine-Generated Text Detectors
von: Macko, Dominik, et al.
Veröffentlicht: (2025)

ITERTL: An Iterative Framework for Fine-tuning LLMs for RTL Code Generation
von: Wu, Peiyang, et al.
Veröffentlicht: (2024)

Aloe: A Family of Fine-tuned Open Healthcare LLMs
von: Gururajan, Ashwin Kumar, et al.
Veröffentlicht: (2024)

Retrieval-Augmented Generation with Hierarchical Knowledge
von: Huang, Haoyu, et al.
Veröffentlicht: (2025)

Retrieval-Augmented Generation with Conflicting Evidence
von: Wang, Han, et al.
Veröffentlicht: (2025)

Predictive Prefetching for Retrieval-Augmented Generation
von: Zhang, Wuyang, et al.
Veröffentlicht: (2026)

Latent Abstraction for Retrieval-Augmented Generation
von: T, Ha Lan N., et al.
Veröffentlicht: (2026)

Semantic Tokens in Retrieval Augmented Generation
von: Suro, Joel
Veröffentlicht: (2024)

Clustered Retrieved Augmented Generation (CRAG)
von: Akesson, Simon, et al.
Veröffentlicht: (2024)

Exploring Retrieval Augmented Generation in Arabic
von: El-Beltagy, Samhaa R., et al.
Veröffentlicht: (2024)

Benchmarking Retrieval-Augmented Generation for Medicine
von: Xiong, Guangzhi, et al.
Veröffentlicht: (2024)