#information-retrieval Repositories
Insgesamt 146 Repositories
😎 Fantastische Liste von Library Genesis, der weltweit größten kostenlosen Bibliothek.
Eine leichtgewichtige, abhängigkeitsarme, einheitliche API zur Verwendung aller gängigen Rewriting- und Cross-Encoder-Modelle.
20. Nov. 2017 -- Ein verteilter Open-Source-Suchmaschine und Spider/Crawler, geschrieben in C/C++ für Linux auf Intel/AMD. Von gigablast dot com, das Binaries zum Download anbietet. Siehe die README.md-Datei ganz unten auf dieser Seite für Anweisungen.
Dieses Repository enthält die offizielle Implementierung von OpenScholar: Synthesizing Scientific Literature with Retrieval-augmented LMs.
Liste von Software, die die Websuche mit Hilfe von KI ermöglicht: https://hf.co/spaces/felladrin/awesome-ai-web-search
Calibre neues Metadatenquellen-Plugin für Douban. Douban stellt keine Buch-APIs mehr öffentlich zur Verfügung, daher kann es nur Web-Crawling verwenden, um Daten zu erhalten. Dies ist ein Calibre-Douban-Plugin, das auf Web-Crawling basiert.
Hochperformante, modulare, speichersichere und produktionsreife Inferenz, Aufnahme und Indizierung in Rust 🦀
Informationssammlungstool - DNS / Subdomains / Ports / Verzeichnisse Enumeration
Anserini ist ein Lucene-Toolkit für reproduzierbare Informationsabruf-Forschung.
OpenScholarXIV ist eine quelloffene, ästhetische, minimalistische und KI-gestützte App, die es Benutzern ermöglicht, wissenschaftliche Arbeiten aus dem arXiv-Repository zu suchen, zu lesen, mit Lesezeichen zu versehen, zu teilen, herunterzuladen und Zusammenfassungen anzuzeigen.
Offene CLI zur Integration von KI-Suche, Empfehlungen und konversationellem Abruf in Agentensysteme und Geschäftssysteme
Ein einfach zu bedienendes, quelloffenes Spritz-ähnliches Programm für die Kommandozeile (Wort für Wort RSVP, ausgerichtet an optimalen Lesepunkten)
RAFT enthält grundlegende und weit verbreitete Algorithmen und Primitiven für maschinelles Lernen und Informationsabruf. Die Algorithmen sind CUDA-beschleunigt und bilden Bausteine, um Hochleistungsanwendungen einfacher zu schreiben.
Ein Bauplan für die Erstellung von produktionsfertigen RAG-Systemen, die Halluzinationen minimieren und umschaltbare 3-stufige (Geschwindigkeit) und 4-stufige (Präzision) Pipelines bieten.
Umfassende Werkzeuge und Frameworks für die Entwicklung von Foundation-Modellen, die auf Empfehlungssysteme zugeschnitten sind.
allRank ist ein Framework zum Trainieren von Learning-to-Rank-Neuralmodellen basierend auf PyTorch.
RAG-Fusion: Multi-Query-Generierung + Reciprocal Rank Fusion für bessere retrieval-augmentierte Generierung. Enthält Evaluations-Harness mit NFCorpus/BEIR.
FactCircuit: ein prüfbarer Verifikationskreislauf für Behauptungen und Belege mit unveränderlicher Herkunftsdokumentation, stufenweisen Prüfungen, begrenzter Abfrage und reproduzierbarer Bewertung.
Ein verbesserter Langchain RAG-Tutorial (v2) mit lokalen LLMs, Datenbankaktualisierungen und Tests.
[EMNLP'25] s3 - ⚡ Effizientes & Effektives Training von Suchagenten mittels RL für RAG (RLVR für die Suche mit minimalen Daten)