#information-retrieval Repositorios
146 repositorios en total
Escalado de investigación profunda mediante aprendizaje por refuerzo en entornos del mundo real.
Estructura de datos y algoritmos relevantes para la búsqueda de cadenas de prefijos/difusas extremadamente rápida.
Tevatron - Kit de herramientas unificado de recuperación de documentos a través de escala, lenguaje y modalidad. Demo en SIGIR 2023, SIGIR 2025.
Emparejamiento difuso directo, recuperación de información y bloques de construcción de NLP para JavaScript.
[COLM’25] DeepRetrieval — 🔥 Entrenando Agente de Búsqueda por RLVR con Resultado de Recuperación
RankLLM es un kit de herramientas de Python para la investigación reproducible de recuperación de información utilizando rerankers, con un enfoque en la reordenación por listas.
Moyu Island 🎣 Backend Basado en Web Scraping ➕ Netty ➕ SpringBoot ➕Redis➕ MySQL Código Abierto 🌟 Sitio Web Moyu Todo en Uno
Infraestructura de código abierto que convierte archivos SKILL.md dispersos en corpus de habilidades de agentes seleccionados y listos para la recuperación, con herramientas de recuperación y evaluación incluidas.
Motor de búsqueda y respuesta centrado en IA para el trabajo. Alternativa de código abierto a Glean.
⚡️Una biblioteca Python ultrarrápida para evaluación, comparación y fusión de rankings 🐍
🔥 Rankify: Un kit de herramientas integral de Python para recuperación, reordenamiento y generación aumentada por recuperación 🔥. Nuestro kit de herramientas integra 40 conjuntos de datos de referencia pre-recuperados y admite más de 7 técnicas de recuperación, más de 24 modelos de reordenamiento de última generación y múltiples métodos RAG.
Una lista seleccionada de trabajos sorprendentes relacionados con modelos pre-entrenados para la recuperación de información (también conocido como pre-entrenamiento para IR).
[EMNLP 2025] ViDoRAG: Generación Aumentada por Recuperación de Documentos Visuales mediante Agentes de Razonamiento Iterativo Dinámico
Sobre las limitaciones teóricas de la recuperación basada en incrustaciones
Un conjunto de datos que contiene conversaciones de dominio abierto entre humanos basadas en conocimiento.
¿Es ChatGPT bueno para la búsqueda? LLMs como agente de re-clasificación [Premio al Artículo Sobresaliente EMNLP 2023]
Conjunto de datos y referencia para RAG en documentos internos de la empresa.
Descubre cuáles de tus contactos de LinkedIn aparecen en los archivos de Epstein.
Chatea con tus documentos utilizando Modelos de Lenguaje de Visión. Este repositorio implementa un pipeline RAG de extremo a extremo con VLMs locales y propietarios.
Plataforma minimalista de búsqueda web con un asistente de IA que se ejecuta directamente desde tu navegador. Demo: https://felladrin-minisearch.hf.space
Propuesta para permitir especificar un fragmento de texto en un fragmento de URL
Sycamore es una plataforma de búsqueda y análisis impulsada por LLM para datos no estructurados.
Motor de búsqueda de modelos de lenguaje construido sobre una base de datos vectorial y un almacén de clave/valor para cualquier cosa.
Entrena e infiere potentes incrustaciones de frases con AnglE | 🔥 SOTA en la tabla de clasificación STS y MTEB
Lunr-core es una pequeña biblioteca de búsqueda de texto completo para usar en aplicaciones pequeñas. Es un port de LUNR.js para .NET.
Descubre nuevos dominios objetivo usando la Política de Seguridad de Contenidos
Enlaces a publicaciones de conferencias/revistas sobre verificación automática de hechos (recursos para el artículo TACL22/EMNLP23).
Motor de búsqueda de texto completo - diseñado para hackers, no para hiperescaladores
AgentSearch es un framework para potenciar agentes de búsqueda y permitir la búsqueda local personalizable.
[EMNLP 2023] Habilitación de Grandes Modelos de Lenguaje para Generar Texto con Citas. Artículo: https://arxiv.org/abs/2305.14627
🔎 SimilaritySearchKit es un paquete de Swift que proporciona incrustaciones de texto en el dispositivo y funcionalidad de búsqueda semántica para aplicaciones de iOS y macOS.