Buchumschlag

Open-Source Reproduction and Explainability Analysis of Corrective Retrieval Augmented Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Yalavarthi, Surya Vardhan
Format:	Preprint
Veröffentlicht:	2026
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

A Comprehensive Survey of Retrieval-Augmented Generation (RAG): Evolution, Current Landscape and Future Directions
von: Gupta, Shailja, et al.
Veröffentlicht: (2024)

Multi-Source Knowledge Pruning for Retrieval-Augmented Generation: A Benchmark and Empirical Study
von: Yu, Shuo, et al.
Veröffentlicht: (2024)

Agent-UniRAG: A Trainable Open-Source LLM Agent Framework for Unified Retrieval-Augmented Generation Systems
von: Pham, Hoang, et al.
Veröffentlicht: (2025)

The Impact of Quantization on Retrieval-Augmented Generation: An Analysis of Small LLMs
von: Yazan, Mert, et al.
Veröffentlicht: (2024)

Improving the Domain Adaptation of Retrieval Augmented Generation (RAG) Models for Open Domain Question Answering
von: Siriwardhana, Shamane, et al.
Veröffentlicht: (2022)

Benchmarking Retrieval-Augmented Generation for Chemistry
von: Zhong, Xianrui, et al.
Veröffentlicht: (2025)

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

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

Retrieval-Augmented Generation by Evidence Retroactivity in LLMs
von: Xiao, Liang, et al.
Veröffentlicht: (2025)

Graph Retrieval-Augmented Generation: A Survey
von: Peng, Boci, et al.
Veröffentlicht: (2024)

An Open-Source Dual-Loss Embedding Model for Semantic Retrieval in Higher Education
von: Sajja, Ramteja, et al.
Veröffentlicht: (2025)

AgentMaster: A Multi-Agent Conversational Framework Using A2A and MCP Protocols for Multimodal Information Retrieval and Analysis
von: Liao, Callie C., et al.
Veröffentlicht: (2025)

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)

Chat3GPP: An Open-Source Retrieval-Augmented Generation Framework for 3GPP Documents
von: Huang, Long, et al.
Veröffentlicht: (2025)

RAGTurk: Best Practices for Retrieval Augmented Generation in Turkish
von: Köse, Süha Kağan, et al.
Veröffentlicht: (2026)

Enhancing Retrieval Processes for Language Generation with Augmented Queries
von: Ghali, Julien Pierre Edmond, et al.
Veröffentlicht: (2024)

PISCO: Pretty Simple Compression for Retrieval-Augmented Generation
von: Louis, Maxime, et al.
Veröffentlicht: (2025)

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

GFM-RAG: Graph Foundation Model for Retrieval Augmented Generation
von: Luo, Linhao, et al.
Veröffentlicht: (2025)

A Theory for Token-Level Harmonization in Retrieval-Augmented Generation
von: Xu, Shicheng, et al.
Veröffentlicht: (2024)

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

Agentic Retrieval-Augmented Generation: A Survey on Agentic RAG
von: Singh, Aditi, et al.
Veröffentlicht: (2025)

Cross-Document Topic-Aligned Chunking for Retrieval-Augmented Generation
von: Stankovic, Mile
Veröffentlicht: (2025)

Pistis-RAG: Enhancing Retrieval-Augmented Generation with Human Feedback
von: Bai, Yu, et al.
Veröffentlicht: (2024)

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

RARe: Retrieval Augmented Retrieval with In-Context Examples
von: Tejaswi, Atula, et al.
Veröffentlicht: (2024)

Improving Retrieval-Augmented Generation without Taxonomy-based Error Categorization
von: Zhang, Gongbo, et al.
Veröffentlicht: (2026)

DynaRAG: Bridging Static and Dynamic Knowledge in Retrieval-Augmented Generation
von: Liang, Penghao, et al.
Veröffentlicht: (2026)

ProRAG: Process-Supervised Reinforcement Learning for Retrieval-Augmented Generation
von: Wang, Zhao, et al.
Veröffentlicht: (2026)

Beyond Factual Grounding: The Case for Opinion-Aware Retrieval-Augmented Generation
von: Agrawal, Aditya, et al.
Veröffentlicht: (2026)

VersionRAG: Version-Aware Retrieval-Augmented Generation for Evolving Documents
von: Huwiler, Daniel, et al.
Veröffentlicht: (2025)

A Survey on Retrieval-Augmented Text Generation for Large Language Models
von: Huang, Yizheng, et al.
Veröffentlicht: (2024)

Towards Fair RAG: On the Impact of Fair Ranking in Retrieval-Augmented Generation
von: Kim, To Eun, et al.
Veröffentlicht: (2024)

Leveraging LLM-Assisted Query Understanding for Live Retrieval-Augmented Generation
von: Dong, Guanting, et al.
Veröffentlicht: (2025)

CtrlA: Adaptive Retrieval-Augmented Generation via Inherent Control
von: Liu, Huanshuo, et al.
Veröffentlicht: (2024)

Retrieval Augmented Generation-Based Incident Resolution Recommendation System for IT Support
von: Isaza, Paulina Toro, et al.
Veröffentlicht: (2024)

PersianRAG: A Retrieval-Augmented Generation System for Persian Language
von: Hosseini, Hossein, et al.
Veröffentlicht: (2024)

Reconstructing Context: Evaluating Advanced Chunking Strategies for Retrieval-Augmented Generation
von: Merola, Carlo, et al.
Veröffentlicht: (2025)

C-RAG: Certified Generation Risks for Retrieval-Augmented Language Models
von: Kang, Mintong, et al.
Veröffentlicht: (2024)

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