#retrieval-augmented-generation Dépôts
254 dépôts au total
[EMNLP 2025] ViDoRAG : Génération Augmentée par Récupération de Documents Visuels via des Agents de Raisonnement Itératif Dynamique
RAT est un outil puissant qui améliore les réponses de l'IA en tirant parti des capacités de raisonnement de DeepSeek pour guider d'autres modèles à travers un processus de pensée structuré.
Divise le texte en blocs sémantiques, jusqu'à une taille de bloc souhaitée. Prend en charge le calcul de la longueur par caractères et jetons, et est appelable depuis Rust et Python.
Nous collectons des articles sur les « grands modèles linguistiques (LLM) pour les tâches liées aux tableaux », par exemple, l'utilisation de LLM pour la tâche Table QA. Collecte d'articles sur « Table + LLM »
Ensemble de données et référence pour RAG sur les documents internes de l'entreprise.
Discutez avec vos documents à l'aide de modèles de langage visuels. Ce dépôt met en œuvre un pipeline RAG de bout en bout avec des VLM locaux et propriétaires.
Ce dépôt fournit des exemples très basiques de flask, streamlit et docker pour le package llama_index (anciennement gpt_index)
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.
Plateforme de recherche web minimaliste avec un assistant IA qui s'exécute directement depuis votre navigateur. Démo : https://felladrin-minisearch.hf.space
Framework RAG facile à utiliser ; Solution du Top 3 du défi international CCF AIOps 2024 ; Solution de l'équipe gagnante du défi international CCF AIOps 2024
Phi2-Chinese-0.2B entraîne son propre petit modèle chinois Phi2 à partir de zéro, prenant en charge la connexion à langchain pour charger des bases de connaissances locales pour la génération augmentée par récupération RAG. Entraînez votre propre petit modèle de chat Phi2 à partir de zéro.
Entraînez et déduisez de puissants plongements de phrases avec AnglE | 🔥 SOTA sur le classement STS et MTEB
Une implémentation simple du modèle VoiceRAG pour alimenter des expériences d'IA générative vocale interactives à l'aide de RAG avec Azure AI Search et du modèle gpt-4o-realtime-preview d'Azure OpenAI.
Une feuille de route décrivant les compétences requises, les ressources d'apprentissage et les exemples d'outils pour devenir un ingénieur IA
Programmation en binôme avec l'IA dans votre terminal — un binaire statique, démarrage en moins d'une milliseconde, n'importe quel modèle
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.
Chatbot de recherche web alimenté par LangChain. Recherche des sources sur le web et les cite dans les réponses générées.
Application de bureau d’IA pour le chat, le RAG, les Skills, les outils MCP et les agents. Compatible avec plusieurs LLM (Anthropic, OpenAI, VertexAI, vLLM, Nvidia NIM, Gemini et OpenRouter)
[Découvertes de l'EMNLP'25] Un système Graph RAG facile à utiliser utilisant des connaissances hiérarchiques.
Votre nouveau copain de codage, conçu exclusivement pour IntelliJ IDEA.
Une enquête sur la génération augmentée par recherche multimodale
Implémentation officielle de l'article de NeurIPS 2024 intitulé "G-Retriever : Génération Augmentée par la Récupération pour la Compréhension des Graphes Textuels et la Réponse aux Questions"
Des projets LLM intéressants que j'ai créés pour ma chaîne YouTube en utilisant les modèles open‑source d'Ollama.
Les AWS Generative AI CDK Constructs sont des implémentations d'exemple d'AWS CDK pour les modèles courants d'IA générative.
GraphRAG-rs est une implémentation Rust haute performance et de pointe de GraphRAG (Génération Augmentée par Récupération Basée sur des Graphes) qui construit des graphes de connaissances à partir de documents et permet des requêtes en langage naturel avec extraction d'entités configurable et intégration locale de LLM
[NeurIPS 2025] Un cadre LLM basé sur des graphes pour les tâches SE du monde réel
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.
VectorRAG.Net est une bibliothèque de base de données vectorielle haute performance native .NET pour la recherche sémantique et le RAG (Génération augmentée par récupération). La recherche principale est basée sur la génération de candidats LSH par hyperplan aléatoire avec un réordonnancement exact par produit scalaire/cosinus.
🔥 Générez les fichiers llms.txt et llms-full.txt pour n'importe quel site web !
Un système RAG【Génération Augmentée par Récupération】adapté à l'apprentissage, à l'utilisation et à l'extension autonome ! Peut se connecter à Internet pour effectuer des recherches IA.
💡 Awesome RAG : Une ressource de génération augmentée par récupération (RAG) pour les LLM, axée sur le développement de la technologie.
Évaluation pilotée par les données pour les applications basées sur LLM
AgentSearch est un framework pour alimenter les agents de recherche et permettre une recherche locale personnalisable.