Buchumschlag

AI Engineering Blueprint for On-Premises Retrieval-Augmented Generation Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Weeger, Nicolas, Winkler, Jakob, Stiehl, Annika, von Kistowski, Jóakim, Uhl, Christian, Geißelsöder, Stefan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards practicable Machine Learning development using AI Engineering Blueprints
von: Weeger, Nicolas, et al.
Veröffentlicht: (2025)

Towards Automated EEG-Based Epilepsy Detection Using Deep Convolutional Autoencoders
von: Stiehl, Annika, et al.
Veröffentlicht: (2025)

RAGVA: Engineering Retrieval Augmented Generation-based Virtual Assistants in Practice
von: Yang, Rui, et al.
Veröffentlicht: (2025)

Seven Failure Points When Engineering a Retrieval Augmented Generation System
von: Barnett, Scott, et al.
Veröffentlicht: (2024)

Improving Retrieval-Augmented Code Comment Generation by Retrieving for Generation
von: Lu, Hanzhen, et al.
Veröffentlicht: (2024)

Toward an Architectural Blueprint to Observe Sustainability in and by Software Systems
von: Toczé, Klervie, et al.
Veröffentlicht: (2026)

Generative AI in Systems Engineering: A Framework for Risk Assessment of Large Language Models
von: Otten, Stefan, et al.
Veröffentlicht: (2026)

When More Retrieval Hurts: Retrieval-Augmented Code Review Generation
von: Meng, Qianru, et al.
Veröffentlicht: (2025)

Retrieval-Augmented Code Review Comment Generation
von: Hong, Hyunsun, et al.
Veröffentlicht: (2025)

TVR: Automotive System Requirement Traceability Validation and Recovery Through Retrieval-Augmented Generation
von: Niu, Feifei, et al.
Veröffentlicht: (2025)

How Do Software Engineering Students Use Generative AI in Real-World Capstone Projects? An Empirical Baseline Study
von: Mircea, Michael, et al.
Veröffentlicht: (2026)

What to Retrieve for Effective Retrieval-Augmented Code Generation? An Empirical Study and Beyond
von: Gu, Wenchao, et al.
Veröffentlicht: (2025)

Porting an LLM based Application from ChatGPT to an On-Premise Environment
von: Paloniemi, Teemu, et al.
Veröffentlicht: (2025)

RAGOps: Operating and Managing Retrieval-Augmented Generation Pipelines
von: Xu, Xiwei, et al.
Veröffentlicht: (2025)

Repairing Responsive Layout Failures Using Retrieval Augmented Generation
von: Zerin, Tasmia, et al.
Veröffentlicht: (2025)

An Empirical Study of Retrieval-Augmented Code Generation: Challenges and Opportunities
von: Yang, Zezhou, et al.
Veröffentlicht: (2025)

Preference-Guided Refactored Tuning for Retrieval Augmented Code Generation
von: Gao, Xinyu, et al.
Veröffentlicht: (2024)

Dynamic Retrieval-Augmented Generation
von: Shapkin, Anton, et al.
Veröffentlicht: (2023)

From Domain Documents to Requirements: Retrieval-Augmented Generation in the Space Industry
von: Arora, Chetan, et al.
Veröffentlicht: (2025)

Prompt-based Code Completion via Multi-Retrieval Augmented Generation
von: Tan, Hanzhuo, et al.
Veröffentlicht: (2024)

Improving Retrieval-Augmented Deep Assertion Generation via Joint Training
von: Zhang, Quanjun, et al.
Veröffentlicht: (2025)

Augmenting the Generality and Performance of Large Language Models for Software Engineering
von: Peña, Fabian C.
Veröffentlicht: (2025)

Rethinking Software Engineering for Agentic AI Systems
von: Alenezi, Mamdouh
Veröffentlicht: (2026)

Enhancing Code Consistency in AI Research with Large Language Models and Retrieval-Augmented Generation
von: Keshri, Rajat, et al.
Veröffentlicht: (2025)

CoRaCMG: Contextual Retrieval-Augmented Framework for Commit Message Generation
von: Xiong, Bo, et al.
Veröffentlicht: (2025)

LAURA: Enhancing Code Review Generation with Context-Enriched Retrieval-Augmented LLM
von: Zhang, Yuxin, et al.
Veröffentlicht: (2025)

Advanced System Integration: Analyzing OpenAPI Chunking for Retrieval-Augmented Generation
von: Pesl, Robin D., et al.
Veröffentlicht: (2024)

Preparing Students for AI-Driven Agile Development: A Project-Based AI Engineering Curriculum
von: Rausch, Andreas, et al.
Veröffentlicht: (2026)

Dimension reduction methods, persistent homology and machine learning for EEG signal analysis of Interictal Epileptic Discharges
von: Stiehl, Annika, et al.
Veröffentlicht: (2025)

Vendor-Aware Industrial Agents: RAG-Enhanced LLMs for Secure On-Premise PLC Code Generation
von: Kersting, Joschka, et al.
Veröffentlicht: (2025)

Enhancing Large Language Models with Retrieval Augmented Generation for Software Testing and Inspection Automation
von: Fingleton, Zoe, et al.
Veröffentlicht: (2026)

CODEPROMPTZIP: Code-specific Prompt Compression for Retrieval-Augmented Generation in Coding Tasks with LMs
von: He, Pengfei, et al.
Veröffentlicht: (2025)

GitBugs: Bug Reports for Duplicate Detection, Retrieval Augmented Generation, Triage, and More
von: Patil, Avinash, et al.
Veröffentlicht: (2025)

A Deep Dive into Retrieval-Augmented Generation for Code Completion: Experience on WeChat
von: Yang, Zezhou, et al.
Veröffentlicht: (2025)

Exploring the Security Threats of Retriever Backdoors in Retrieval-Augmented Code Generation
von: Li, Tian, et al.
Veröffentlicht: (2025)

Navigating the Complexity of Generative AI Adoption in Software Engineering
von: Russo, Daniel
Veröffentlicht: (2023)

An Empirical Study of Generative AI Adoption in Software Engineering
von: Giray, Görkem, et al.
Veröffentlicht: (2025)

DRAINCODE: Stealthy Energy Consumption Attacks on Retrieval-Augmented Code Generation via Context Poisoning
von: Wang, Yanlin, et al.
Veröffentlicht: (2026)

SCPatcher: Automated Smart Contract Code Repair via Retrieval-Augmented Generation and Knowledge Graph
von: Li, Xiaoqi, et al.
Veröffentlicht: (2026)

Generating Test Scenarios from NL Requirements using Retrieval-Augmented LLMs: An Industrial Study
von: Arora, Chetan, et al.
Veröffentlicht: (2024)