Buchumschlag

Predicting Retrieval Utility and Answer Quality in Retrieval-Augmented Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tian, Fangzheng, Ganguly, Debasis, Macdonald, Craig
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Is Relevance Propagated from Retriever to Generator in RAG?
von: Tian, Fangzheng, et al.
Veröffentlicht: (2025)

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)

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

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)

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

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

Fishing for Answers: Exploring One-shot vs. Iterative Retrieval Strategies for Retrieval Augmented Generation
von: Lin, Huifeng, et al.
Veröffentlicht: (2025)

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

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

Evaluating Retrieval Quality in Retrieval-Augmented Generation
von: Salemi, Alireza, et al.
Veröffentlicht: (2024)

R$^3$AG: Retriever Routing for Retrieval-Augmented Generation
von: Zhao, Tong, et al.
Veröffentlicht: (2026)

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

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)

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

Right Answer at the Right Time - Temporal Retrieval-Augmented Generation via Graph Summarization
von: Zhu, Zulun, et al.
Veröffentlicht: (2025)

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

Adapting Standard Retrieval Benchmarks to Evaluate Generated Answers
von: Arabzadeh, Negar, et al.
Veröffentlicht: (2024)

Exploiting Positional Bias for Query-Agnostic Generative Content in Search
von: Parry, Andrew, 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)

Generative Language Models with Retrieval Augmented Generation for Automated Short Answer Scoring
von: Wang, Zifan, et al.
Veröffentlicht: (2024)

Answer Retrieval in Legal Community Question Answering
von: Askari, Arian, et al.
Veröffentlicht: (2024)

Fairness-Aware Retrieval Optimization for Retrieval-Augmented Generation
von: Zhao, Yingqi, et al.
Veröffentlicht: (2026)

RoutIR: Fast Serving of Retrieval Pipelines for Retrieval-Augmented Generation
von: Yang, Eugene, et al.
Veröffentlicht: (2026)

DAT: Dynamic Alpha Tuning for Hybrid Retrieval in Retrieval-Augmented Generation
von: Hsu, Hsin-Ling, et al.
Veröffentlicht: (2025)

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

Ranking Generated Answers: On the Agreement of Retrieval Models with Humans on Consumer Health Questions
von: Heineking, Sebastian, et al.
Veröffentlicht: (2024)

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

A Hybrid Retrieval and Reranking Framework for Evidence-Grounded Retrieval-Augmented Generation
von: Irany, Fariba Afrin, et al.
Veröffentlicht: (2026)

Unsupervised Query Routing for Retrieval Augmented Generation
von: Mu, Feiteng, et al.
Veröffentlicht: (2025)

Retrieval Augmented Generation Evaluation for Health Documents
von: Ceresa, Mario, 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)

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

Optimizing Retrieval Strategies for Financial Question Answering Documents in Retrieval-Augmented Generation Systems
von: Kim, Sejong, et al.
Veröffentlicht: (2025)

RAGPart & RAGMask: Retrieval-Stage Defenses Against Corpus Poisoning in Retrieval-Augmented Generation
von: Pathmanathan, Pankayaraj, et al.
Veröffentlicht: (2025)

Neural Passage Quality Estimation for Static Pruning
von: Chang, Xuejun, et al.
Veröffentlicht: (2024)