#embeddings Dépôts
122 dépôts au total
Classification de texte long en chinois, classification de phrases courtes, classification multi-étiquettes, similarité de deux phrases (Chinese Text Classification of Keras NLP, multi-label classify, or sentence classify, long or short), couche d'intégration vectorielle pour caractères/mots/phrases (embeddings) et couche de réseau (graph) classe de base de construction, FastText, TextCNN, CharCNN, TextRNN, RCNN, DCNN, DPCNN, VDCNN, CRNN, Bert, Xlnet, Albert, Attention, DeepMoji, HAN, Réseau de Capsules-CapsuleNet, Transformer-encode, Seq2seq, SWEM, LEAM, TextGCN
Moderniser BERT par des changements architecturaux et une mise à l'échelle
Entraînement tout-en-un pour les modèles de vision (YOLO, ViTs, RT-DETR, DINOv3) : pré-entraînement, fine-tuning, distillation.
LLPhant – Un framework complet de PHP Generative AI utilisant OpenAI GPT 4. Inspiré par Langchain
Ce dépôt contient des exemples destinés aux clients pour commencer à utiliser le service Amazon Bedrock. Il contient des exemples pour tous les modèles fondamentaux disponibles.
Korvus est un SDK de recherche qui unifie l'intégralité du pipeline RAG en une seule requête de base de données. Construit sur Postgres avec des liaisons pour Python, JavaScript, Rust et C.
Awesome-LLM-RAG : une liste organisée de génération augmentée par récupération (RAG) avancée dans les grands modèles linguistiques
Résout les tâches NLP russes de base, API pour les projets Natasha de niveau inférieur
Un package Python pour exécuter la modélisation thématique contextualisée. Les CTM combinent des embeddings contextualisés (par exemple, BERT) avec des modèles thématiques pour obtenir des sujets cohérents. Publié à EACL et ACL 2021 (Bianchi et al.).
Embeddings de sous-mots pré-entraînés dans 275 langues, basés sur le Byte-Pair Encoding (BPE)
Cette série vous emmènera dans un voyage des bases du NLP et de la vision par ordinateur jusqu'à la pointe des modèles Vision-Langage.
Une plongée profonde dans les plongements (embeddings) en partant des fondamentaux
Base de données vectorielle intégrable pour Go avec une interface similaire à Chroma et zéro dépendance tierce. En mémoire avec persistance optionnelle.
Un service FastAPI pour la recherche sémantique de texte à l'aide d'embeddings précalculés et de mesures de similarité avancées, avec prise en charge intégrée de divers types de fichiers via textract.
Bibliothèque Rust pour générer des plongements vectoriels et réordonner localement !
Ressources, exemples et tutoriels pour l'IA multimodale, RAG et agents utilisant la recherche vectorielle et les LLM
Un outil pour apprendre les représentations vectorielles des mots et des entités à partir de Wikipedia
Client d’IA générative multi-fournisseurs en Rust (Ollama, OpenAI, Anthropic, Gemini, DeepSeek, ZAI, OpenRouter, FireworksAI, xAI/Grok, Groq, ... )
RAG FastAPI basée sur l'ID : Intégration avec Langchain et PostgreSQL/pgvector
Un dépôt d'exemples de code pour les fonctionnalités de recherche vectorielle dans Azure AI Search.
Un outil d'indexation de référentiel de code pour améliorer votre expérience LLM.
Une base de données vectorielle haute performance exploitant le calcul parallèle sur graphes
Extension de base de données vectorielle PostgreSQL pour la création d'applications d'IA
Neum AI est un framework de premier ordre pour gérer la création et la synchronisation d'incorporations vectorielles à grande échelle.
🚀 Catalyst est une bibliothèque C# pour le traitement du langage naturel conçue pour la vitesse. Inspirée par la conception de spaCy, elle apporte des modèles pré-entraînés, un support prêt à l'emploi pour l'entraînement d'embeddings de mots et de documents, et des modèles de reconnaissance d'entités flexibles.
Magick est une boîte à outils de pointe pour un nouveau type de constructeur d'IA. Créez Magick avec nous !
Détection fondée sur les embeddings de la logique dupliquée pour les projets trop volumineux ou désordonnés pour être maintenus de manière fiable
🪿 LinGoose est un framework Go pour la création d'applications IA/LLM exceptionnelles.
Exemples montrant comment créer des applications Java alimentées par l'IA générative et les LLM à l'aide de Spring AI et Spring Boot.
SQL sous forme de fonction pour Rust — une base de données SQL embarquée avec un ORM typé et un stockage LMDB/RocksDB configurable.
Graphe de connaissances de projet persistant pour agents de codage. Serveur MCP avec recherche sémantique, embeddings intra-processus et explorateur web.
Infrastructure open source qui transforme des fichiers SKILL.md dispersés en corpus de compétences d’agents sélectionnés et prêts pour la recherche, avec des outils de recherche et d’évaluation inclus.
VectorFlow est un pipeline d'intégration de vecteurs à haut volume qui ingère des données brutes, les transforme en vecteurs et les écrit dans une base de données vectorielle de votre choix.
IA embarquée pour Flutter — Gemma et autres LLM, capacités multimodales, appels de fonctions, embeddings, RAG et voix sur Android, iOS, Web, macOS, Windows et Linux.
Vectra est une base de données vectorielle locale pour Node.js avec des fonctionnalités similaires à Pinecone mais construite à l'aide de fichiers locaux.
Le modèle de fondation Clay - Un modèle et une interface IA open source pour la Terre
Posez des questions sur vos notes Markdown grâce à un moteur Graph RAG entièrement local. Conçu pour les coffres Obsidian, il fonctionne avec n’importe quel dossier de fichiers Markdown. Extrait des triplets entité-relation des wikiliens et du frontmatter YAML, puis récupère les réponses via une recherche hybride (vecteurs + BM25 + temporelle). Multilingue. Aucun cloud. Fonctionne avec Ollama.