Buchumschlag

Hybrid Retrieval for COVID-19 Literature: Comparing Rank Fusion and Projection Fusion with Diversity Reranking

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Prajapati, Harishkumar Kishorkumar
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Information Retrieval Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CoRank: LLM-Based Compact Reranking with Document Features for Scientific Retrieval
von: Tian, Runchu, et al.
Veröffentlicht: (2025)

DS@GT at TREC TOT 2025: Bridging Vague Recollection with Fusion Retrieval and Learned Reranking
von: Zhou, Wenxin, et al.
Veröffentlicht: (2026)

Rank1: Test-Time Compute for Reranking in Information Retrieval
von: Weller, Orion, et al.
Veröffentlicht: (2025)

Rank-K: Test-Time Reasoning for Listwise Reranking
von: Yang, Eugene, et al.
Veröffentlicht: (2025)

DiffuRank: Effective Document Reranking with Diffusion Language Models
von: Liu, Qi, et al.
Veröffentlicht: (2026)

LimRank: Less is More for Reasoning-Intensive Information Reranking
von: Song, Tingyu, et al.
Veröffentlicht: (2025)

Knowledge-Aware Diverse Reranking for Cross-Source Question Answering
von: Zhou, Tong
Veröffentlicht: (2025)

TempRetriever: Fusion-based Temporal Dense Passage Retrieval for Time-Sensitive Questions
von: Abdallah, Abdelrahman, et al.
Veröffentlicht: (2025)

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

ProRank: Prompt Warmup via Reinforcement Learning for Small Language Models Reranking
von: Li, Xianming, et al.
Veröffentlicht: (2025)

Gumbel Reranking: Differentiable End-to-End Reranker Optimization
von: Huang, Siyuan, et al.
Veröffentlicht: (2025)

Enhancing Q&A Text Retrieval with Ranking Models: Benchmarking, fine-tuning and deploying Rerankers for RAG
von: Moreira, Gabriel de Souza P., et al.
Veröffentlicht: (2024)

CoRNStack: High-Quality Contrastive Data for Better Code Retrieval and Reranking
von: Suresh, Tarun, et al.
Veröffentlicht: (2024)

LLM-RankFusion: Mitigating Intrinsic Inconsistency in LLM-based Ranking
von: Zeng, Yifan, et al.
Veröffentlicht: (2024)

LLM4Ranking: An Easy-to-use Framework of Utilizing Large Language Models for Document Reranking
von: Liu, Qi, et al.
Veröffentlicht: (2025)

Rank-R1: Enhancing Reasoning in LLM-based Document Rerankers via Reinforcement Learning
von: Zhuang, Shengyao, et al.
Veröffentlicht: (2025)

Caraman at SemEval-2026 Task 8: Three-Stage Multi-Turn Retrieval with Query Rewriting, Hybrid Search, and Cross-Encoder Reranking
von: Caraman, David-Maximilian, 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)

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)

LegalMALR:Multi-Agent Query Understanding and LLM-Based Reranking for Chinese Statute Retrieval
von: Li, Yunhan, et al.
Veröffentlicht: (2026)

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

How Good are LLM-based Rerankers? An Empirical Analysis of State-of-the-Art Reranking Models
von: Abdallah, Abdelrahman, et al.
Veröffentlicht: (2025)

REFINE on Scarce Data: Retrieval Enhancement through Fine-Tuning via Model Fusion of Embedding Models
von: Gupta, Ambuje, 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)

LTRR: Learning To Rank Retrievers for LLMs
von: Kim, To Eun, et al.
Veröffentlicht: (2025)

Multi-Granularity Guided Fusion-in-Decoder
von: Choi, Eunseong, et al.
Veröffentlicht: (2024)

State Space Models are Strong Text Rerankers
von: Xu, Zhichao, et al.
Veröffentlicht: (2024)

$\text{R}^2\text{R}$: A Route-to-Rerank Post-Training Framework for Multi-Domain Decoder-Only Rerankers
von: Wang, Xinyu, et al.
Veröffentlicht: (2025)

Entity Disambiguation via Fusion Entity Decoding
von: Wang, Junxiong, et al.
Veröffentlicht: (2024)

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

List-aware Reranking-Truncation Joint Model for Search and Retrieval-augmented Generation
von: Xu, Shicheng, et al.
Veröffentlicht: (2024)

Beyond Retrieval: Ensembling Cross-Encoders and GPT Rerankers with LLMs for Biomedical QA
von: Verma, Shashank, et al.
Veröffentlicht: (2025)

Self-Calibrated Listwise Reranking with Large Language Models
von: Ren, Ruiyang, et al.
Veröffentlicht: (2024)

E2Rank: Your Text Embedding can Also be an Effective and Efficient Listwise Reranker
von: Liu, Qi, et al.
Veröffentlicht: (2025)

Rankify: A Comprehensive Python Toolkit for Retrieval, Re-Ranking, and Retrieval-Augmented Generation
von: Abdallah, Abdelrahman, et al.
Veröffentlicht: (2025)

Scaling Retrieval Augmented Generation with RAG Fusion: Lessons from an Industry Deployment
von: Medrano, Luigi, et al.
Veröffentlicht: (2026)

Advancing Academic Knowledge Retrieval via LLM-enhanced Representation Similarity Fusion
von: Dai, Wei, et al.
Veröffentlicht: (2024)

Evaluating Answer Reranking Strategies in Time-sensitive Question Answering
von: Kardan, Mehmet, et al.
Veröffentlicht: (2025)

Distillation versus Contrastive Learning: How to Train Your Rerankers
von: Xu, Zhichao, et al.
Veröffentlicht: (2025)

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