Buchumschlag

LIR$^3$AG: A Lightweight Rerank Reasoning Strategy Framework for Retrieval-Augmented Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Guo, Huang, Junjie, Xie, Huaijin, Sun, Fei, Jia, Tao
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MemReranker: Reasoning-Aware Reranking for Agent Memory Retrieval
von: Li, Chunyu, et al.
Veröffentlicht: (2026)

SciRerankBench: Benchmarking Rerankers Towards Scientific Retrieval-Augmented Generated LLMs
von: Chen, Haotian, et al.
Veröffentlicht: (2025)

R^2AG: Incorporating Retrieval Information into Retrieval Augmented Generation
von: Ye, Fuda, et al.
Veröffentlicht: (2024)

Rethinking the Reranker: Boundary-Aware Evidence Selection for Robust Retrieval-Augmented Generation
von: Sun, Jiashuo, et al.
Veröffentlicht: (2026)

mR$^2$AG: Multimodal Retrieval-Reflection-Augmented Generation for Knowledge-Based VQA
von: Zhang, Tao, et al.
Veröffentlicht: (2024)

Beyond Sequential Reranking: Reranker-Guided Search Improves Reasoning Intensive Retrieval
von: Xu, Haike, et al.
Veröffentlicht: (2025)

CAR: Query-Guided Confidence-Aware Reranking for Retrieval-Augmented Generation
von: Song, Zhipeng, et al.
Veröffentlicht: (2026)

GraphER: An Efficient Graph-Based Enrichment and Reranking Method for Retrieval-Augmented Generation
von: Miao, Ruizhong, et al.
Veröffentlicht: (2026)

Enhancing Financial Report Question-Answering: A Retrieval-Augmented Generation System with Reranking Analysis
von: Cheng, Zhiyuan, et al.
Veröffentlicht: (2026)

Reason and Verify: A Framework for Faithful Retrieval-Augmented Generation
von: Khan, Eeham, et al.
Veröffentlicht: (2026)

SACL: Understanding and Combating Textual Bias in Code Retrieval with Semantic-Augmented Reranking and Localization
von: Gupta, Dhruv, et al.
Veröffentlicht: (2025)

DynamicRAG: Leveraging Outputs of Large Language Model as Feedback for Dynamic Reranking in Retrieval-Augmented Generation
von: Sun, Jiashuo, et al.
Veröffentlicht: (2025)

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

QCG-Rerank: Chunks Graph Rerank with Query Expansion in Retrieval-Augmented LLMs for Tourism Domain
von: Wei, Qikai, et al.
Veröffentlicht: (2024)

mGTE: Generalized Long-Context Text Representation and Reranking Models for Multilingual Text Retrieval
von: Zhang, Xin, et al.
Veröffentlicht: (2024)

SEMA-RAG: A Self-Evolving Multi-Agent Retrieval-Augmented Generation Framework for Medical Reasoning
von: Huang, Yongfeng, et al.
Veröffentlicht: (2026)

DeepEra: A Deep Evidence Reranking Agent for Scientific Retrieval-Augmented Generated Question Answering
von: Chen, Haotian, et al.
Veröffentlicht: (2026)

Qwen3-VL-Embedding and Qwen3-VL-Reranker: A Unified Framework for State-of-the-Art Multimodal Retrieval and Ranking
von: Li, Mingxin, et al.
Veröffentlicht: (2026)

LIR: A Lightweight Baseline for Image Restoration
von: Fan, Dongqi, et al.
Veröffentlicht: (2024)

Bridging Relevance and Reasoning: Rationale Distillation in Retrieval-Augmented Generation
von: Jia, Pengyue, et al.
Veröffentlicht: (2024)

LLM-Confidence Reranker: A Training-Free Approach for Enhancing Retrieval-Augmented Generation Systems
von: Song, Zhipeng, et al.
Veröffentlicht: (2026)

TableRAG: A Retrieval Augmented Generation Framework for Heterogeneous Document Reasoning
von: Yu, Xiaohan, et al.
Veröffentlicht: (2025)

HyperRAG: Enhancing Quality-Efficiency Tradeoffs in Retrieval-Augmented Generation with Reranker KV-Cache Reuse
von: An, Yuwei, et al.
Veröffentlicht: (2025)

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

MLLM Is a Strong Reranker: Advancing Multimodal Retrieval-augmented Generation via Knowledge-enhanced Reranking and Noise-injected Training
von: Chen, Zhanpeng, et al.
Veröffentlicht: (2024)

TaSR-RAG: Taxonomy-guided Structured Reasoning for Retrieval-Augmented Generation
von: Sun, Jiashuo, et al.
Veröffentlicht: (2026)

ReAG: Reasoning-Augmented Generation for Knowledge-based Visual Question Answering
von: Compagnoni, Alberto, et al.
Veröffentlicht: (2025)

Corrective Retrieval Augmented Generation
von: Yan, Shi-Qi, et al.
Veröffentlicht: (2024)

Retrieval-Augmented Feature Generation for Domain-Specific Classification
von: Zhang, Xinhao, et al.
Veröffentlicht: (2024)

Verbal-R3: Verbal Reranker as the Missing Bridge between Retrieval and Reasoning
von: Park, Sangkwon, et al.
Veröffentlicht: (2026)

DioR: Adaptive Cognitive Detection and Contextual Retrieval Optimization for Dynamic Retrieval-Augmented Generation
von: Guo, Hanghui, et al.
Veröffentlicht: (2025)

Improving Retrieval Augmented Open-Domain Question-Answering with Vectorized Contexts
von: Chen, Zhuo, et al.
Veröffentlicht: (2024)

A General Retrieval-Augmented Generation Framework for Multimodal Case-Based Reasoning Applications
von: Marom, Ofir
Veröffentlicht: (2025)

ClueAnchor: Clue-Anchored Knowledge Reasoning Exploration and Optimization for Retrieval-Augmented Generation
von: Chen, Hao, et al.
Veröffentlicht: (2025)

Grounding Long-Context Reasoning with Contextual Normalization for Retrieval-Augmented Generation
von: Chen, Jiamin, et al.
Veröffentlicht: (2025)

RAAR: Retrieval Augmented Agentic Reasoning for Cross-Domain Misinformation Detection
von: Liu, Zhiwei, et al.
Veröffentlicht: (2026)

MASS-RAG: Multi-Agent Synthesis Retrieval-Augmented Generation
von: Xiao, Xingchen, et al.
Veröffentlicht: (2026)

Comparative Analysis of Neural Retriever-Reranker Pipelines for Retrieval-Augmented Generation over Knowledge Graphs in E-commerce Applications
von: Rumble, Teri, et al.
Veröffentlicht: (2025)

CoFE-RAG: A Comprehensive Full-chain Evaluation Framework for Retrieval-Augmented Generation with Enhanced Data Diversity
von: Liu, Jintao, et al.
Veröffentlicht: (2024)

InfoGain-RAG: Boosting Retrieval-Augmented Generation via Document Information Gain-based Reranking and Filtering
von: Wang, Zihan, et al.
Veröffentlicht: (2025)