#question-answering Dépôts
Découvrez 58 dépôts GitHub open source actifs associés à #question-answering, cumulant 162,733 étoiles au total (soit une moyenne de 2,805 étoiles par projet). Le projet en tête de ce thème est Tencent/WeKnora, avec 37,938 étoiles.
58 dépôts au total
Plateforme open-source de connaissances LLM : transformez des documents bruts en RAG interrogable, un agent de raisonnement autonome et un Wiki auto-maintenu.
Bibliothèque LLM et SLM facile à utiliser et puissante avec un incroyable zoo de modèles.
Système d'extraction d'IA de pointe prêt pour la production. Génération augmentée par récupération agentique (RAG) avec une API RESTful.
Un tutoriel et une implémentation d'un graphe de connaissances médicales centré sur les maladies et d'un système QA basé sur celui-ci. Construction de graphe de connaissances, questions-réponses automatiques, questions-réponses automatiques basées sur KG. Un graphe de connaissances dans le domaine médical à une échelle certaine centré sur les maladies, et achèvement de services de questions-réponses automatiques et d'analyse avec ce graphe de connaissances.
Une bibliothèque open source pour les systèmes de dialogue end-to-end en apprentissage profond et les chatbots.
Graphe de Connaissances Agricoles (AgriKG) : Recherche d'Information dans le Domaine Agricole, Reconnaissance d'Entités Nomées, Extraction de Relations, Réponse Intelligente aux Questions, Aide à la Décision
Transformers pour la Recherche d'Information, Classification de Texte, NER, QA, Modélisation du Langage, Génération de Langage, T5, Multi-Modal et IA Conversationnelle
AdalFlow : La bibliothèque pour construire et optimiser automatiquement les applications LLM.
Questions-réponses sur une base de connaissances d’entreprise traçable et sensible au temps : chaque conclusion indique le document et la version dont elle provient, son emplacement précis et si elle était valide à la date cible (RAG d’entreprise traçable, sensible aux versions et au temps)
OP Vault ChatGPT : Donnez à ChatGPT une mémoire à long terme en utilisant l'OP Stack (OpenAI + Pinecone Vector Database). Téléchargez vos propres fichiers de base de connaissances personnalisés (PDF, txt, epub, etc.) à l'aide d'un simple frontend React.
Pipelines NLP natifs Rust prêts à l'emploi et modèles basés sur des transformers (BERT, DistilBERT, GPT2, ...)
Gestion de toutes les données non structurées, telles que la recherche inversée d'images, la recherche audio, la recherche moléculaire, l'analyse vidéo, les systèmes de questions-réponses, NLP, etc.
Cela comprend l'implémentation originale de SELF-RAG : Learning to Retrieve, Generate and Critique through self-reflection par Akari Asai, Zeqiu Wu, Yizhong Wang, Avirup Sil et Hannaneh Hajishirzi.
Dépôt GitHub officiel pour C-Eval, une suite d'évaluation chinoise pour les modèles fondamentaux [NeurIPS 2023]
Bibliothèque autonome d'apprentissage automatique et de traitement du langage naturel en Go
Liste de logiciels permettant de rechercher sur le web avec l'aide de l'IA : https://hf.co/spaces/felladrin/awesome-ai-web-search
GraphGen : Améliorer le réglage fin supervisé pour les LLM avec la génération de données synthétiques pilotée par la connaissance
Une ressource centrale et ouverte pour les données et les outils liés au raisonnement en chaîne de pensée dans les grands modèles linguistiques. Développé par le groupe de recherche Samwald : https://samwald.info/
Corpus chinois ChatGPT Corpus de dialogue Corpus de roman Corpus de service client pour l'entraînement de grands modèles
Une liste d’articles récents sur les méthodes de réseaux de neurones graphiques appliquées aux domaines du traitement automatique du langage naturel.
Ce dépôt présente PIXIU, une ressource open-source proposant les premiers grands modèles linguistiques (LLM) financiers, des données d'ajustement d'instructions et des benchmarks d'évaluation pour évaluer de manière globale les LLM financiers. Notre objectif est de faire progresser continuellement le développement open-source de l'intelligence artificielle (IA) financière.
Tevatron - Boîte à outils unifiée de récupération de documents à travers l'échelle, la langue et la modalité. Démo à SIGIR 2023, SIGIR 2025.
Le référentiel principal pour la recherche et le développement de pointe en matière de réponse aux questions multilingues.
PromptKG Family : une galerie d'œuvres de recherche, de kits d'outils et de listes d'articles liés à l'apprentissage par invite (Prompt Learning) et aux graphes de connaissances (KG).
Chatbot basé sur la compréhension du langage naturel et l'apprentissage automatique, supporte la concurrence multi-utilisateurs et les dialogues multi-tours personnalisés
🔥 Rankify : Une boîte à outils Python complète pour la récupération, le re-classement et la génération augmentée par récupération 🔥. Notre boîte à outils intègre 40 ensembles de données de référence pré-récupérés et prend en charge plus de 7 techniques de récupération, 24+ modèles de re-classement de pointe et plusieurs méthodes RAG.
Ensemble de données et référence pour RAG sur les documents internes de l'entreprise.
Plateforme de recherche web minimaliste avec un assistant IA qui s'exécute directement depuis votre navigateur. Démo : https://felladrin-minisearch.hf.space
Ce dépôt contient le code d'évaluation pour l'article « MMMU : Une référence massive multidisciplinaire multimodale pour la compréhension et le raisonnement destinée à l'expert AGI »
Une implémentation du modèle BERT et de ses tâches en aval associées basée sur le framework PyTorch. @跟我学机器学习
SelfCheckGPT : Détection d'hallucinations en boîte noire à zéro ressource pour les grands modèles de langage génératifs
Un dépôt NLP d'apprentissage profond qui résume le prétraitement du texte, les modèles de sujets et les tâches en aval de modèles de pointe tels que BERT, GPT et LLM à l'aide de TensorFlow.
KoalaQA est une communauté de service après‑vente open source alimentée par de grands modèles d'IA, offrant des capacités de réponse IA, de recherche IA et d'opérations IA, vous aidant à déployer rapidement des scénarios de support client après‑vente, de questions‑réponses communautaires et de services en libre‑service, permettant à votre équipe de réduire de façon significative les coûts opérationnels manuels, d'améliorer la satisfaction client et l'efficacité des réponses, et de contribuer à atteindre l'objectif ZCR (Zero Contact Resolution).
Utilisez ArXiv ChatGuru pour discuter avec des articles de recherche. Cette application utilise LangChain, OpenAI, Streamlit et Redis comme base de données vectorielle/cache sémantique.
Foire aux questions
Quel est le dépôt #question-answering le plus populaire sur GitHub ?
Le projet #question-answering open source le mieux classé sur GitHub est Tencent/WeKnora, avec 37,938 étoiles. Plateforme open-source de connaissances LLM : transformez des documents bruts en RAG interrogable, un agent de raisonnement autonome et un Wiki auto-maintenu.
Quels langages de programmation sont les plus utilisés dans les dépôts #question-answering ?
Parmi les projets #question-answering les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, TypeScript, Go.
Comment le classement des dépôts #question-answering est-il calculé ?
Nous suivons 58 dépôts open source actifs associés à #question-answering (500+ étoiles), totalisant 162,733 étoiles, avec une moyenne de 2,805 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.