#question-answering 仓库
探索 58 个标记为 #question-answering 的活跃开源 GitHub 仓库,它们累计获得 162,733 个 Star(平均每个项目 2,805 个)。该主题的领先项目是 Tencent/WeKnora,拥有 37,938 个 Star。
共 58 个仓库
以疾病为中心医疗知识图谱及其问答系统的教程与实现。知识图谱构建,自动问答,基于KG的自动问答。以疾病为中心的一定规模医药领域知识图谱,并以该知识图谱完成自动问答与分析服务。
可溯源、具备时效判断能力的企业知识库问答:每条结论都标明其来源文档及版本、具体位置,以及在目标时间是否有效(可溯源、具备版本与时效感知能力的企业 RAG)
OP Vault ChatGPT: 使用 OP Stack(OpenAI + Pinecone 向量数据库)为 ChatGPT 提供长期记忆。使用简单的 React 前端上传您自己的自定义知识库文件(PDF、txt、epub 等)。
这包括 Akari Asai、Zeqiu Wu、Yizhong Wang、Avirup Sil 和 Hannaneh Hajishirzi 的SELF-RAG: Learning to Retrieve, Generate and Critique through self-reflection 的原始实现。
允许在人工智能协助下进行网络搜索的软件列表:https://hf.co/spaces/felladrin/awesome-ai-web-search
本仓库介绍了 PIXIU,这是一个开源资源,包含了首个金融大语言模型 (LLMs)、指令微调数据以及用于全面评估金融 LLMs 的评估基准。我们的目标是持续推动金融人工智能 (AI) 的开源发展。
🔥 Rankify: 一个用于检索、重排序和检索增强生成的综合性Python工具包🔥 。我们的工具包集成了40个预检索的基准数据集,并支持7+种检索技术、24+种最先进的重排序模型以及多种RAG方法。
KoalaQA 是一款 AI 大模型驱动的开源售后服务社区,提供 AI 回答、AI 搜索、AI 运营等能力,帮助你快速落地售后客服、社区问答、自助服务等场景,帮助团队显著降低人工运营成本、提升客户满意度与响应效率,助力实现 ZCR(Zero Contact Resolution)目标。
使用 ArXiv ChatGuru 与研究论文对话。此应用程序使用 LangChain、OpenAI、Streamlit 和 Redis 作为向量数据库/语义缓存。
常见问题解答
GitHub 上最受欢迎的 #question-answering 仓库是什么?
GitHub 上排名第一的开源 #question-answering 项目是 Tencent/WeKnora,拥有 37,938 个 Star。开源 LLM 知识平台:将原始文档转化为可查询的 RAG、自主推理代理和自维护 Wiki。
#question-answering 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #question-answering 项目中,最常见的编程语言是 Python, Jupyter Notebook, TypeScript, Go。
#question-answering 仓库的排名是如何计算的?
我们跟踪了 58 个标记为 #question-answering 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 162,733 个 Star,平均每个仓库拥有 2,805 个 Star。排名每日根据 GitHub API 更新。