Newest papers

RAG-NIMBF: A Non-Invasive, Modular Benchmarking Framework for Automated RAG Configuration Analysis

Niclas Hart, Nicolas Weeger · 2026 · arXiv

DOI: 10.48550/arXiv.2610.27816 · open-access PDF

Arabic

أصبحت التكوين المزدوج (RAG) نموذجًا قياديًا لتأسيس النتائج من النماذج اللغوية الكبيرة (LLM) في المعرفة الخارجية. ومع ذلك، تواجه الممارسين مساحة تكوينية واسعة تتكون من التكوين، الإدراج، الإدراج، التكوين، الإدراج والتكوين، وهناك إرشادات محدودة حول كيفية التفاعل بين هذه المكونات. نحن نقدم RAG-NIMBF، إطار نموذجي متكامل يرتبط بتقنيات RAG الحالية ك طبقة من التقييم غير الإداري. وهو تقييم مساحة التكوين من خلال التخزين المعتمدة مع التتبع التجريبي نهاية إلى نهاية.

Machine translation (Meta M2M100); the English original follows.

Abstract

Retrieval-Augmented Generation (RAG) has become the dominant paradigm for grounding the outputs of large language models (LLM) in external knowledge. However, practitioners are faced with a vast configuration space comprising chunking, embedding, retrieval, reranking, prompting and generation models, and there is limited guidance on how these components interact. We present RAG-NIMBF, a modular benchmarking framework that attaches to existing RAG pipelines as a non-invasive evaluation layer. It evaluates the configuration space through controlled ablation with end-to-end experiment tracking. T

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange