Buchumschlag

DS SERVE: A Framework for Efficient and Scalable Neural Retrieval

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Jinjian, Wang, Yichuan, Lyu, Xinxi, Shao, Rulin, Gonzalez, Joseph E., Zaharia, Matei, Min, Sewon
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Information Retrieval Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Frustratingly Simple Retrieval Improves Challenging, Reasoning-Intensive Benchmarks
von: Lyu, Xinxi, et al.
Veröffentlicht: (2025)

RAG over Thinking Traces Can Improve Reasoning Tasks
von: Arabzadeh, Negar, et al.
Veröffentlicht: (2026)

ARES: An Automated Evaluation Framework for Retrieval-Augmented Generation Systems
von: Saad-Falcon, Jon, et al.
Veröffentlicht: (2023)

Scaling Retrieval-Based Language Models with a Trillion-Token Datastore
von: Shao, Rulin, et al.
Veröffentlicht: (2024)

ReasonIR: Training Retrievers for Reasoning Tasks
von: Shao, Rulin, et al.
Veröffentlicht: (2025)

Can QPP Choose the Right Query Variant? Evaluating Query Variant Selection for RAG Pipelines
von: Arabzadeh, Negar, et al.
Veröffentlicht: (2026)

Infini-gram: Scaling Unbounded n-gram Language Models to a Trillion Tokens
von: Liu, Jiacheng, et al.
Veröffentlicht: (2024)

WARP: An Efficient Engine for Multi-Vector Retrieval
von: Scheerer, Jan Luca, et al.
Veröffentlicht: (2025)

TACLR: A Scalable and Efficient Retrieval-based Method for Industrial Product Attribute Value Identification
von: Su, Yindu, et al.
Veröffentlicht: (2025)

Graph Neural Network Enhanced Retrieval for Question Answering of LLMs
von: Li, Zijian, et al.
Veröffentlicht: (2024)

Neural Retrievers are Biased Towards LLM-Generated Content
von: Dai, Sunhao, et al.
Veröffentlicht: (2023)

OfficeQA Pro: An Enterprise Benchmark for End-to-End Grounded Reasoning
von: Opsahl-Ong, Krista, et al.
Veröffentlicht: (2026)

Learning an Effective Premise Retrieval Model for Efficient Mathematical Formalization
von: Tao, Yicheng, et al.
Veröffentlicht: (2025)

LangProBe: a Language Programs Benchmark
von: Tan, Shangyin, et al.
Veröffentlicht: (2025)

DS@GT at CheckThat! 2025: A Simple Retrieval-First, LLM-Backed Framework for Claim Normalization
von: Pramov, Aleksandar, et al.
Veröffentlicht: (2025)

Drowning in Documents: Consequences of Scaling Reranker Inference
von: Jacob, Mathew, et al.
Veröffentlicht: (2024)

Retrieval-Augmented LLMs for Evidence Localization in Clinical Trial Recruitment from Longitudinal EHR Narratives
von: Chen, Ziyi, et al.
Veröffentlicht: (2026)

Arctic-Embed: Scalable, Efficient, and Accurate Text Embedding Models
von: Merrick, Luke, et al.
Veröffentlicht: (2024)

DS@GT at Touché: Large Language Models for Retrieval-Augmented Debate
von: Miyaguchi, Anthony, et al.
Veröffentlicht: (2025)

Reason to Contrast: A Cascaded Multimodal Retrieval Framework
von: Cui, Xuanming, et al.
Veröffentlicht: (2025)

Generative Retrieval and Alignment Model: A New Paradigm for E-commerce Retrieval
von: Pang, Ming, et al.
Veröffentlicht: (2025)

Trustworthiness in Retrieval-Augmented Generation Systems: A Survey
von: Zhou, Yujia, et al.
Veröffentlicht: (2024)

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)

Optimizing What Matters: AUC-Driven Learning for Robust Neural Retrieval
von: Sheikholeslami, Nima, et al.
Veröffentlicht: (2025)

A Semi-supervised Scalable Unified Framework for E-commerce Query Classification
von: Yuan, Chunyuan, et al.
Veröffentlicht: (2025)

Tree of Reviews: A Tree-based Dynamic Iterative Retrieval Framework for Multi-hop Question Answering
von: Jiapeng, Li, et al.
Veröffentlicht: (2024)

DIRAS: Efficient LLM Annotation of Document Relevance in Retrieval Augmented Generation
von: Ni, Jingwei, et al.
Veröffentlicht: (2024)

QAEA-DR: A Unified Text Augmentation Framework for Dense Retrieval
von: Tan, Hongming, et al.
Veröffentlicht: (2024)

Exp4Fuse: A Rank Fusion Framework for Enhanced Sparse Retrieval using Large Language Model-based Query Expansion
von: Liu, Lingyuan, et al.
Veröffentlicht: (2025)

DS@GT at CheckThat! 2025: Exploring Retrieval and Reranking Pipelines for Scientific Claim Source Retrieval on Social Media Discourse
von: Schofield, Jeanette, et al.
Veröffentlicht: (2025)

SymRAG: Efficient Neuro-Symbolic Retrieval Through Adaptive Query Routing
von: Hakim, Safayat Bin, et al.
Veröffentlicht: (2025)

MARA: A Multimodal Adaptive Retrieval-Augmented Framework for Document Question Answering
von: Wu, Hui, et al.
Veröffentlicht: (2026)

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

Ruling Out to Rule In: Contrastive Hypothesis Retrieval for Medical Question Answering
von: Kim, Byeolhee, et al.
Veröffentlicht: (2026)

GenCRF: Generative Clustering and Reformulation Framework for Enhanced Intent-Driven Information Retrieval
von: Seo, Wonduk, et al.
Veröffentlicht: (2024)

Domain-Aware RAG: MoL-Enhanced RL for Efficient Training and Scalable Retrieval
von: Lin, Hao, et al.
Veröffentlicht: (2025)

Beyond Chunking: Discourse-Aware Hierarchical Retrieval for Long Document Question Answering
von: Chen, Huiyao, et al.
Veröffentlicht: (2025)

Optimizing Multi-Hop Document Retrieval Through Intermediate Representations
von: Lin, Jiaen, et al.
Veröffentlicht: (2025)

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

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