Buchumschlag

RouteRAG: Efficient Retrieval-Augmented Generation from Text and Graph via Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guo, Yucan, Su, Miao, Guan, Saiping, Sun, Zihao, Jin, Xiaolong, Guo, Jiafeng, Cheng, Xueqi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Few-shot Link Prediction on N-ary Facts
von: Wei, Jiyao, et al.
Veröffentlicht: (2023)

StruProKGR: A Structural and Probabilistic Framework for Sparse Knowledge Graph Reasoning
von: Guo, Yucan, et al.
Veröffentlicht: (2025)

TrustRAG: An Information Assistant with Retrieval Augmented Generation
von: Fan, Yixing, et al.
Veröffentlicht: (2025)

Reproducibility Analysis and Enhancements for Multi-Aspect Dense Retriever with Aspect Learning
von: Bi, Keping, et al.
Veröffentlicht: (2024)

VeriCite: Towards Reliable Citations in Retrieval-Augmented Generation via Rigorous Verification
von: Qian, Haosheng, et al.
Veröffentlicht: (2025)

Look Globally and Reason: Two-stage Path Reasoning over Sparse Knowledge Graphs
von: Guan, Saiping, et al.
Veröffentlicht: (2024)

Bridging Queries and Tables through Entities in Table Retrieval
von: Li, Da, et al.
Veröffentlicht: (2025)

How Do LLM-Generated Texts Impact Term-Based Retrieval Models?
von: Huang, Wei, et al.
Veröffentlicht: (2025)

Data, Not Model: Explaining Bias toward LLM Texts in Neural Retrievers
von: Huang, Wei, et al.
Veröffentlicht: (2026)

Tailoring Table Retrieval from a Field-aware Hybrid Matching Perspective
von: Li, Da, et al.
Veröffentlicht: (2025)

Listwise Generative Retrieval Models via a Sequential Learning Process
von: Tang, Yubao, et al.
Veröffentlicht: (2024)

Does Generative Retrieval Overcome the Limitations of Dense Retrieval?
von: Zhang, Yingchen, et al.
Veröffentlicht: (2025)

The Silent Saboteur: Imperceptible Adversarial Attacks against Black-Box Retrieval-Augmented Generation Systems
von: Song, Hongru, et al.
Veröffentlicht: (2025)

Utility-Focused LLM Annotation for Retrieval and Retrieval-Augmented Generation
von: Zhang, Hengran, et al.
Veröffentlicht: (2025)

An In-Context Schema Understanding Method for Knowledge Base Question Answering
von: Liu, Yantao, et al.
Veröffentlicht: (2023)

On the Robustness of Generative Information Retrieval Models
von: Liu, Yu-An, et al.
Veröffentlicht: (2024)

Thinking Forward and Backward: Multi-Objective Reinforcement Learning for Retrieval-Augmented Reasoning
von: Wei, Wenda, et al.
Veröffentlicht: (2025)

LLM-Specific Utility: A New Perspective for Retrieval-Augmented Generation
von: Zhang, Hengran, et al.
Veröffentlicht: (2025)

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

A Survey of Link Prediction in N-ary Knowledge Graphs
von: Wei, Jiyao, et al.
Veröffentlicht: (2025)

Bootstrapped Pre-training with Dynamic Identifier Prediction for Generative Retrieval
von: Tang, Yubao, et al.
Veröffentlicht: (2024)

A Generative Framework for Personalized Sticker Retrieval
von: Zhou, Changjiang, et al.
Veröffentlicht: (2025)

Continual Learning for Generative Retrieval over Dynamic Corpora
von: Chen, Jiangui, et al.
Veröffentlicht: (2023)

Distilling a Small Utility-Based Passage Selector to Enhance Retrieval-Augmented Generation
von: Zhang, Hengran, et al.
Veröffentlicht: (2025)

Generative Retrieval for Book search
von: Tang, Yubao, et al.
Veröffentlicht: (2025)

mmRAG: A Modular Benchmark for Retrieval-Augmented Generation over Text, Tables, and Knowledge Graphs
von: Xu, Chuan, et al.
Veröffentlicht: (2025)

Retrieval-Augmented Generation with Graphs (GraphRAG)
von: Han, Haoyu, et al.
Veröffentlicht: (2024)

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

On the Scaling of Robustness and Effectiveness in Dense Retrieval
von: Liu, Yu-An, et al.
Veröffentlicht: (2025)

CIR at the NTCIR-17 ULTRE-2 Task
von: Yu, Lulu, et al.
Veröffentlicht: (2023)

From Relevance to Utility: Evidence Retrieval with Feedback for Fact Verification
von: Zhang, Hengran, et al.
Veröffentlicht: (2023)

Injecting External Knowledge into the Reasoning Process Enhances Retrieval-Augmented Generation
von: Tang, Minghao, et al.
Veröffentlicht: (2025)

PathRAG: Pruning Graph-based Retrieval Augmented Generation with Relational Paths
von: Chen, Boyu, et al.
Veröffentlicht: (2025)

DyG-RAG: Dynamic Graph Retrieval-Augmented Generation with Event-Centric Reasoning
von: Sun, Qingyun, et al.
Veröffentlicht: (2025)

EraRAG: Efficient and Incremental Retrieval Augmented Generation for Growing Corpora
von: Zhang, Fangyuan, et al.
Veröffentlicht: (2025)

A Multi-Granularity-Aware Aspect Learning Model for Multi-Aspect Dense Retrieval
von: Sun, Xiaojie, et al.
Veröffentlicht: (2023)

LightRAG: Simple and Fast Retrieval-Augmented Generation
von: Guo, Zirui, et al.
Veröffentlicht: (2024)

An Iterative Utility Judgment Framework Inspired by Philosophical Relevance via LLMs
von: Zhang, Hengran, et al.
Veröffentlicht: (2024)

AdversarialCoT: Single-Document Retrieval Poisoning for LLM Reasoning
von: Song, Hongru, et al.
Veröffentlicht: (2026)

Chain-of-Thought Poisoning Attacks against R1-based Retrieval-Augmented Generation Systems
von: Song, Hongru, et al.
Veröffentlicht: (2025)