Buchumschlag

Coverage, Not Averages: Semantic Stratification for Trustworthy Retrieval Evaluation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Klearman, Andrew, Revutchi, Radu, Garg, Rohin, Chakravarti, Rishav, Denton, Samuel Marc, Xue, Yuan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Information Retrieval Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CoverageBench: Evaluating Information Coverage across Tasks and Domains
von: Samuel, Saron, et al.
Veröffentlicht: (2026)

Beyond Relevance: On the Relationship Between Retrieval and RAG Information Coverage
von: Samuel, Saron, et al.
Veröffentlicht: (2026)

Semantic Retrieval at Walmart
von: Magnani, Alessandro, et al.
Veröffentlicht: (2024)

MACA: A Framework for Distilling Trustworthy LLMs into Efficient Retrievers
von: Gudipudi, Satya Swaroop, et al.
Veröffentlicht: (2026)

ManifoldMind: Dynamic Hyperbolic Reasoning for Trustworthy Recommendations
von: Harit, Anoushka, et al.
Veröffentlicht: (2025)

Evaluating the Robustness of Dense Retrievers in Interdisciplinary Domains
von: Chaturvedi, Sarthak, et al.
Veröffentlicht: (2025)

A Knowledge Graph and Deep Learning-Based Semantic Recommendation Database System for Advertisement Retrieval and Personalization
von: Wang, Tangtang, et al.
Veröffentlicht: (2025)

Long Context Modeling with Ranked Memory-Augmented Retrieval
von: Alselwi, Ghadir, et al.
Veröffentlicht: (2025)

Evaluating Chunking Strategies For Retrieval-Augmented Generation in Oil and Gas Enterprise Documents
von: Taiwo, Samuel, et al.
Veröffentlicht: (2026)

Improving Scientific Document Retrieval with Concept Coverage-based Query Set Generation
von: Kang, SeongKu, et al.
Veröffentlicht: (2025)

IRSC: A Zero-shot Evaluation Benchmark for Information Retrieval through Semantic Comprehension in Retrieval-Augmented Generation Scenarios
von: Lin, Hai, et al.
Veröffentlicht: (2024)

Preference Discerning with LLM-Enhanced Generative Retrieval
von: Paischer, Fabian, et al.
Veröffentlicht: (2024)

ReCQR: Incorporating conversational query rewriting to improve Multimodal Image Retrieval
von: Hu, Yuan, et al.
Veröffentlicht: (2026)

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

Superintelligent Retrieval Agent: The Next Frontier of Information Retrieval
von: Yang, Zeyu, et al.
Veröffentlicht: (2026)

Leveraging Evidence-Guided LLMs to Enhance Trustworthy Depression Diagnosis
von: Yuan, Yining, et al.
Veröffentlicht: (2025)

FRESCO: Benchmarking and Optimizing Re-rankers for Evolving Semantic Conflict in Retrieval-Augmented Generation
von: An, Sohyun, et al.
Veröffentlicht: (2026)

Resources for Automated Evaluation of Assistive RAG Systems that Help Readers with News Trustworthiness Assessment
von: Zhang, Dake, et al.
Veröffentlicht: (2026)

Link, Synthesize, Retrieve: Universal Document Linking for Zero-Shot Information Retrieval
von: Hwang, Dae Yon, et al.
Veröffentlicht: (2024)

Test-Time Scaling Strategies for Generative Retrieval in Multimodal Conversational Recommendations
von: Hsu, Hung-Chun, et al.
Veröffentlicht: (2025)

Dynamic Evaluation Framework for Personalized and Trustworthy Agents: A Multi-Session Approach to Preference Adaptability
von: Shah, Chirag, et al.
Veröffentlicht: (2025)

Semantic Retrieval Augmented Contrastive Learning for Sequential Recommendation
von: Cui, Ziqiang, et al.
Veröffentlicht: (2025)

VectorSearch: Enhancing Document Retrieval with Semantic Embeddings and Optimized Search
von: Monir, Solmaz Seyed, et al.
Veröffentlicht: (2024)

Semantic Search At LinkedIn
von: Borisyuk, Fedor, et al.
Veröffentlicht: (2026)

Optimizing Compound Retrieval Systems
von: Oosterhuis, Harrie, et al.
Veröffentlicht: (2025)

Rethinking ANN-based Retrieval: Multifaceted Learnable Index for Large-scale Recommendation System
von: Zhang, Jiang, et al.
Veröffentlicht: (2026)

Learning Retrieval Models with Sparse Autoencoders
von: Formal, Thibault, et al.
Veröffentlicht: (2026)

Scaling Laws for Online Advertisement Retrieval
von: Wang, Yunli, et al.
Veröffentlicht: (2024)

Unifying Ranking and Generation in Query Auto-Completion via Retrieval-Augmented Generation and Multi-Objective Alignment
von: Yuan, Kai, et al.
Veröffentlicht: (2026)

Your Dense Retriever is Secretly an Expeditious Reasoner
von: Zhang, Yichi, et al.
Veröffentlicht: (2025)

Revisiting RAG Retrievers: An Information Theoretic Benchmark
von: Zheng, Wenqing, et al.
Veröffentlicht: (2026)

KuaiFormer: Transformer-Based Retrieval at Kuaishou
von: Liu, Chi, et al.
Veröffentlicht: (2024)

STAR: Semantic-Tuned and Tail-Adaptive Retriever for Graph-Augmented Generation
von: Li, Shuai, et al.
Veröffentlicht: (2026)

Search Is Not Retrieval: Decoupling Semantic Matching from Contextual Assembly in RAG
von: Nainwani, Harshit, et al.
Veröffentlicht: (2025)

Boosting Text-to-Chart Retrieval through Training with Synthesized Semantic Insights
von: Wu, Yifan, et al.
Veröffentlicht: (2025)

Synthetic Test Collections for Retrieval Evaluation
von: Rahmani, Hossein A., et al.
Veröffentlicht: (2024)

Improving Neural Retrieval with Attribution-Guided Query Rewriting
von: Garouani, Moncef, et al.
Veröffentlicht: (2026)

LARGER: Lexically Anchored Repository Graph Exploration and Retrieval
von: Hu, Yuntong, et al.
Veröffentlicht: (2026)

Advancing Vietnamese Information Retrieval with Learning Objective and Benchmark
von: Nguyen, Phu-Vinh, et al.
Veröffentlicht: (2025)

Test-time Corpus Feedback: From Retrieval to RAG
von: Rathee, Mandeep, et al.
Veröffentlicht: (2025)