#reranking Dépôts
Découvrez 21 dépôts GitHub open source actifs associés à #reranking, cumulant 78,918 étoiles au total (soit une moyenne de 3,758 étoiles par projet). Le projet en tête de ce thème est Tencent/WeKnora, avec 37,938 étoiles.
21 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.
Serveur d'inférence open source et cluster de production pour tous les modèles dont votre agent a besoin.
MTEB : Évaluation de pointe des embeddings à travers les langues et les modalités
Ce dépôt comprend l'implémentation officielle d'OpenScholar : Synthesizing Scientific Literature with Retrieval-augmented LMs.
🥤 RAGLite est une boîte à outils Python pour la génération augmentée par récupération (RAG) avec DuckDB ou PostgreSQL
Bibliothèque Rust pour générer des plongements vectoriels et réordonner localement !
Re-classement léger et ultra-rapide pour vos pipelines de recherche et de récupération. Prend en charge le re-classement Listwise et Pairwise de pointe basé sur les LLM et les cross-encodeurs, et plus encore. Créé par Prithivi Da, ouvert aux PRs et aux collaborations.
Utilisez des modèles multimodaux à interaction tardive tels que ColPali en quelques lignes de code.
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.
🔥 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.
Une liste organisée de documents exceptionnels liés aux modèles pré-entraînés pour la recherche d'informations (également appelés pré-entraînement pour IR).
RAG agentique pour la recherche de documents en local et auto-hébergée : récupération hybride, reranking et RAG multimodal sur LanceDB embarqué, avec analyse par Docling et un serveur MCP
ChatGPT est-il bon en recherche ? Les LLM comme agent de classement [Prix du meilleur article EMNLP 2023]
Base de connaissances RAG d’entreprise privilégiant le chinois : analyse contrôlable, gouvernance, découpage, recherche hybride, reranking, citations, graphes de connaissances, évaluation et intégration avec Dify.
YT Navigator : un explorateur de contenu YouTube alimenté par l'IA qui vous permet de rechercher et de discuter avec les vidéos de chaînes à l'aide d'agents IA. Extrayez des informations sur des heures de contenu en quelques secondes grâce à la recherche sémantique et à des horodatages précis.
Système RAG hybride combinant la recherche vectorielle, un graphe de connaissances (LightRAG) et un réordonnancement par cross-encoder, avec analyse de documents via Docling, intelligence visuelle (génération de légendes pour les images et les tableaux), chat agentique en streaming et citations intégrées. Propulsé par des modèles Gemini ou Ollama locaux.
Foire aux questions
Quel est le dépôt #reranking le plus populaire sur GitHub ?
Le projet #reranking 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 #reranking ?
Parmi les projets #reranking les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Go, Rust, Ruby.
Comment le classement des dépôts #reranking est-il calculé ?
Nous suivons 21 dépôts open source actifs associés à #reranking (500+ étoiles), totalisant 78,918 étoiles, avec une moyenne de 3,758 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.