#information-retrieval Repositorios
146 repositorios en total
😎 Impresionante lista de Library Genesis, la biblioteca gratuita más grande del mundo.
Una API unificada, ligera y de baja dependencia para usar todos los modelos comunes de reordenación y cross-encoder.
20 de nov. de 2017 -- Un motor de búsqueda distribuido de código abierto y araña/crawler escrito en C/C++ para Linux en Intel/AMD. De gigablast dot com, que tiene binarios para descargar. Consulta el archivo README.md en la parte inferior de esta página para instrucciones.
Este repositorio incluye la implementación oficial de OpenScholar: Sintetizando literatura científica con LM aumentados por recuperación.
Lista de software que permite buscar en la web con la ayuda de la IA: https://hf.co/spaces/felladrin/awesome-ai-web-search
Nuevo plugin de origen de metadatos de Douban para Calibre. Douban ya no proporciona API de libros al público, por lo que solo puede utilizar rastreo web para obtener datos. Este es un plugin de Douban para Calibre basado en rastreo web.
Inferencia, ingesta e indexación de alto rendimiento, modulares, seguras en memoria y listas para producción, construidas en Rust 🦀
Herramienta de recopilación de información - Enumeración de DNS / Subdominios / Puertos / Directorios
Anserini es un kit de herramientas de Lucene para investigación en recuperación de información reproducible.
OpenScholarXIV es una aplicación de código abierto, estética, minimalista y basada en IA que permite a los usuarios buscar, leer, marcar, compartir, descargar y ver resúmenes de artículos académicos del repositorio arXiv.
CLI abierto para integrar búsqueda, recomendación y recuperación conversacional de IA en sistemas de agentes y sistemas empresariales
Una simple alternativa a Spritz de código abierto basada en terminal (RSVP palabra por palabra alineada en puntos de lectura óptimos)
Repositorio de código abierto del modelo de investigación profunda de Pokee
RAFT contiene algoritmos y primitivos fundamentales y ampliamente utilizados para el aprendizaje automático y la recuperación de información. Los algoritmos están acelerados por CUDA y forman bloques de construcción para escribir aplicaciones de alto rendimiento de manera más sencilla.
Un plano para construir sistemas RAG listos para producción que minimizan las alucinaciones, con canalizaciones conmutables de 3 pasos (Velocidad) y 4 pasos (Precisión).
Herramientas y marcos integrales para desarrollar modelos base adaptados a sistemas de recomendación.
El código para el artículo de NeurIPS 2025 "A-Mem: Agentic Memory for LLM Agents"
allRank es un framework para entrenar modelos neuronales de aprendizaje para el ranking basado en PyTorch.
RAG-Fusion: generación multi-consulta + Fusión de Rango Recíproco para una mejor generación aumentada por recuperación. Incluye harness de evaluación con NFCorpus/BEIR.
FactCircuit: un ciclo auditable de verificación de afirmaciones y evidencias, con procedencia inmutable, comprobaciones por etapas, recuperación acotada y evaluación reproducible.
Un tutorial mejorado de Langchain RAG (v2) con LLM locales, actualizaciones de bases de datos y pruebas.
Una herramienta OSINT para recopilar información sobre números de teléfono
[EMNLP'25] s3 - ⚡ Entrenamiento Eficiente y Efectivo de Agentes de Búsqueda mediante RL para RAG (RLVR para la Búsqueda con Datos Mínimos)