#information-retrieval Repositórios
146 repositórios no total
😎 Lista incrível da Library Genesis, a maior biblioteca gratuita do mundo.
Uma API leve, com poucas dependências e unificada para usar todos os modelos comuns de reranking e cross-encoder.
20 de novembro de 2017 -- Um motor de busca distribuído de código aberto e spider/crawler escrito em C/C++ para Linux em Intel/AMD. De gigablast ponto com, que tem binários para download. Veja o arquivo README.md no final desta página para instruções.
Este repositório inclui a implementação oficial de OpenScholar: Sintetizando Literatura Científica com LMs Aumentados por Recuperação.
Lista de softwares que permitem pesquisar na web com a assistência de IA: https://hf.co/spaces/felladrin/awesome-ai-web-search
Novo plugin de origem de metadados do Douban para o Calibre. O Douban não fornece mais APIs de livros ao público, portanto, só pode usar rastreamento na web para obter dados. Este é um plugin do Calibre para Douban baseado em rastreamento na web.
Inferência, Ingestão e Indexação altamente performantes, modulares, seguras em memória e prontas para produção, desenvolvidas em Rust 🦀
Ferramenta de Coleta de Informações - Enumeração de DNS / Subdomínios / Portas / Diretórios
Anserini é um toolkit Lucene para pesquisa reprodutível em recuperação de informação
OpenScholarXIV é um aplicativo de código aberto, estético, minimalista e alimentado por IA que permite aos usuários pesquisar, ler, marcar, compartilhar, baixar e visualizar resumos de artigos acadêmicos do repositório arXiv.
CLI aberto para integrar pesquisa, recomendação e recuperação conversacional de IA em sistemas de agentes e sistemas de negócios
Um simples software de código aberto baseado em terminal, similar ao Spritz (apresentação visual serial rápida palavra a palavra, alinhada em pontos de leitura ideais)
O RAFT contém algoritmos e primitivas fundamentais amplamente utilizados para aprendizado de máquina e recuperação de informações. Os algoritmos são acelerados por CUDA e formam blocos de construção para escrever mais facilmente aplicações de alto desempenho.
Um projeto para a construção de sistemas RAG prontos para produção que minimizam alucinações, com pipelines comutáveis de 3 etapas (Velocidade) e 4 etapas (Precisão).
Ferramentas e frameworks abrangentes para o desenvolvimento de modelos de base adaptados a sistemas de recomendação.
allRank é uma estrutura para treinar modelos neurais de aprendizado para ranquear baseados em PyTorch.
RAG-Fusion: geração multi-consulta + Fusão de Rank Recíproco para melhor geração aumentada por recuperação. Inclui harness de avaliação com NFCorpus/BEIR.
FactCircuit: um ciclo auditável de verificação de alegações e evidências, com proveniência imutável, verificações em etapas, recuperação limitada e avaliação reproduzível.
Um Tutorial Aprimorado (v2) de Langchain RAG com LLMs locais, atualizações de banco de dados e testes.
Uma ferramenta OSINT para coletar informações sobre números de telefone
[EMNLP'25] s3 - ⚡ Treinamento Eficiente e Eficaz de Agentes de Busca via RL para RAG (RLVR para Busca com Dados Mínimos)