#retrieval-augmented-generation Repository
254 repository in totale
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.
Codice ufficiale per il paper: RecurrentGPT: Generazione interattiva di testi (arbitrariamente) lunghi
Una guida completa per iniziare e migliorare le tue competenze LLM nel 2026, anche con poca esperienza nel settore, e restare aggiornato sulle ultime notizie e tecniche allโavanguardia!
Riferimento RAG Python trasparente con recupero ibrido FAISS + BM25, reranking, interfaccia utente Gradio e FastAPI.
RAG-Fusion: generazione multi-query + Fusione di Rank Reciproco per una migliore generazione aumentata dalla retrieval. Include harness di valutazione con NFCorpus/BEIR.
Questo repository condivide notebook end-to-end su come utilizzare varie funzionalitร e integrazioni di Weaviate!
Costruisci una pipeline RAG (Retrieval Augmented Generation) da zero e falla funzionare interamente in locale.
Potenzia i modelli linguistici di grandi dimensioni (LLM) utilizzando la generazione aumentata dal recupero basata su Knowledge Graph (KG-RAG) per attivitร ad alta intensitร di conoscenza
Un tutorial Langchain RAG migliorato (v2) con LLM locali, aggiornamenti del database e test.
Consenti all'IA di analizzare complessi OpenAPIs utilizzando un linguaggio semplice
โ๏ธChatbot medico potenziato da GenAI con piรน agenti per la diagnostica medica e l'assistenza alla ricerca sanitaria. ๐ฅ Progettato per professionisti sanitari, ricercatori e pazienti.
Percorso di apprendimento di Xiao Li per lo sviluppo di applicazioni LLM, che copre RAG, agenti, basi per i colloqui e lettura rapida di articoli.
Un sistema di memoria generale per agenti, alimentato da ricerca approfondita
Crea la tua chat AI serverless con Retrieval-Augmented-Generation utilizzando LangChain.js, TypeScript e Azure
Un sistema Graph RAG per il recupero di informazioni mediche basate sull'evidenza [ACL 2025]
Questa pianta di RAG NVIDIA funge da soluzione di riferimento per un pipeline di Retrieval Augmented Generation (RAG) di base.
Indicizzazione, query e applicazioni LLM agentiche veloci in streaming in Rust
Un lettore assistito dall'IA, con un design a tre colonne che consente l'interazione simultanea di note, lettura e conversazione sullo stesso schermo, rendendo la lettura approfondita piรน efficiente.
Context Portal (ConPort): Un server MCP (Memory Bank) che crea un knowledge graph specifico per il progetto per potenziare gli assistenti AI. Abilita potenti generazione aumentata del recupero (RAG) per uno sviluppo consapevole del contesto nella tua IDE.
Esegui l'ingestione di file per la generazione aumentata dal recupero (RAG) con modelli linguistici di grandi dimensioni (LLM) open-source, il tutto senza che terze parti o dati sensibili lascino la tua rete.
Trasforma i tuoi contenuti in un assistente di supporto AI attivo 24 ore su 24, 7 giorni su 7
R1-ricercatore: Incentivare la capacitร di ricerca in LLM tramite apprendimento per rinforzo
Questo repository serve come guida completa agli hackathon, offrendo preziose informazioni e risorse sia per i principianti che per i partecipanti esperti. Copre gli elementi essenziali, come la ricerca di hackathon imminenti, consigli per la scelta dell'evento giusto e strategie di preparazione dettagliate.
Framework rag generico per applicare la potenza degli LLM a qualsiasi set di dati
Assistenza locale Ollama e GPT simile a OpenAI per la massima privacy e l'accesso offline
[NeurIPS 2024 Spotlight] Buffer of Thoughts: Thought-Augmented Reasoning with Large Language Models
Server MCP per la memoria a lungo termine dell'agente con Mem0. Utile anche come modello per iniziare a creare il tuo server MCP con Python!
RAGLight รจ un framework modulare per Retrieval-Augmented Generation (RAG). Semplifica l'integrazione di diversi LLM, embedding e vector store, e ora include un'integrazione MCP senza interruzioni per connettere strumenti esterni e fonti di dati.