#reranking Repository
Scopri 21 repository GitHub open source attivi contrassegnati con #reranking, che raccolgono un totale di 78,918 stelle (con una media di 3,758 stelle per progetto). Il progetto leader di questo argomento è Tencent/WeKnora, con 37,938 stelle.
21 repository in totale
Piattaforma open-source per la conoscenza LLM: trasforma documenti grezzi in un RAG interrogabile, un agente di ragionamento autonomo e un Wiki auto-mantenuto.
Server di inferenza open source e cluster di produzione per tutti i modelli di cui il tuo agente ha bisogno.
MTEB: Valutazione all'avanguardia degli embedding attraverso lingue e modalità
Questo repository include l'implementazione ufficiale di OpenScholar: Synthesizing Scientific Literature with Retrieval-augmented LMs.
🥤 RAGLite è un toolkit Python per Retrieval-Augmented Generation (RAG) con DuckDB o PostgreSQL
Libreria Rust per generare incorporamenti vettoriali e riordinare localmente!
Riordinamento leggero e superveloce per le tue pipeline di ricerca e recupero. Supporta riordini Listwise e Pairwise SoTA basati su LLM e cross-encoder e altro ancora. Creato da Prithivi Da, aperto a PR e collaborazioni.
Utilizza modelli multimodali a interazione tardiva come ColPali in poche righe di codice.
Infrastruttura open source che trasforma file SKILL.md sparsi in corpus di competenze per agenti, curati e pronti per il recupero, includendo strumenti per il recupero e la valutazione.
🔥 Rankify: Un toolkit Python completo per Retrieval, Re-Ranking e Retrieval-Augmented Generation 🔥. Il nostro toolkit integra 40 set di dati di benchmark pre-recuperati e supporta 7+ tecniche di retrieval, 24+ modelli di Re-Ranking all'avanguardia e molteplici metodi RAG.
Un elenco curato di articoli eccezionali relativi ai modelli pre-addestrati per il recupero delle informazioni (noto anche come pre-addestramento per IR).
RAG agentico per la ricerca di documenti in locale e self-hosted: recupero ibrido, reranking e RAG multimodale su LanceDB incorporato, con parsing tramite Docling e un server MCP
ChatGPT è bravo nella ricerca? LLM come agenti di riordino [Premio Carta Eccezionale EMNLP 2023]
Knowledge base RAG aziendale con priorità al cinese: analisi controllabile, governance, suddivisione in chunk, recupero ibrido, reranking, citazioni, grafi della conoscenza, valutazione e integrazione con Dify.
YT Navigator: esploratore di contenuti YouTube basato sull'intelligenza artificiale che ti consente di cercare e chattare con i video dei canali utilizzando agenti IA. Estrai approfondimenti da ore di contenuti in pochi secondi con ricerca semantica e timestamp precisi.
Sistema RAG ibrido che combina ricerca vettoriale, un grafo della conoscenza (LightRAG) e il reranking tramite cross-encoder, con analisi dei documenti tramite Docling, intelligenza visiva (generazione di didascalie per immagini e tabelle), chat agentica in streaming e citazioni inline. Basato su modelli Gemini o Ollama locali.
Domande frequenti
Qual è il repository #reranking più popolare su GitHub?
Il progetto open source #reranking più alto in classifica su GitHub è Tencent/WeKnora, con 37,938 stelle. Piattaforma open-source per la conoscenza LLM: trasforma documenti grezzi in un RAG interrogabile, un agente di ragionamento autonomo e un Wiki auto-mantenuto.
Quali linguaggi di programmazione sono più utilizzati nei repository #reranking?
Tra i progetti #reranking più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Go, Rust, Ruby.
Come viene calcolata la classifica dei repository #reranking?
Monitoriamo 21 repository open source attivi contrassegnati con #reranking (500+ stelle), per un totale di 78,918 stelle e una media di 3,758 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.