information-retrieval

Recopilación de información de Instagram

Lista de software que permite realizar búsquedas en la web con asistencia de IA: https://hf.co/spaces/felladrin/awesome-ai-web-search

Una colección de algoritmos BM25 en Python.

Inferencia, ingesta e indexación de alto rendimiento, modulares, seguras para la memoria y listas para producción, construidas en Rust 🦀

Herramienta de recopilación de información: enumeración de DNS, subdominios, puertos y directorios

Anserini es un kit de herramientas de Lucene para la investigación de recuperación de información reproducible.

CLI abierta para integrar búsqueda mediante IA, recomendaciones y recuperación conversacional en sistemas de agentes y sistemas empresariales.

PISA: Índices y búsqueda de alto rendimiento para el ámbito académico.

RAFT contiene algoritmos y primitivas fundamentales ampliamente utilizados para el aprendizaje automático y la recuperación de información. Los algoritmos están acelerados por CUDA y forman bloques de construcción para escribir aplicaciones de alto rendimiento con mayor facilidad.

SPLADE: búsqueda neuronal dispersa (SIGIR21, SIGIR22)

allRank es un framework para entrenar modelos neuronales de aprendizaje de clasificación (learning-to-rank) basado en PyTorch.

RAG-Fusion: generación de consultas múltiples + Reciprocal Rank Fusion para una mejor generación aumentada por recuperación. Incluye arnés de evaluación con NFCorpus/BEIR.

Entrenamiento y recuperación de modelos de interacción tardía

SGPT: Incrustaciones de oraciones GPT para búsqueda semántica

cuVS: una biblioteca para búsqueda vectorial y clustering en la GPU

[EMNLP'25] s3 - ⚡ Entrenamiento eficiente y efectivo de agentes de búsqueda mediante RL para RAG (RLVR para búsqueda con datos mínimos)

Framework para mejorar LLMs en tareas de RAG mediante ajuste fino (fine-tuning).

Tevatron: kit de herramientas unificado para la recuperación de documentos a escala, en cualquier idioma y modalidad. Demo en SIGIR 2023, SIGIR 2025.

Componentes básicos de JavaScript para coincidencia difusa, recuperación de información y PNL.

[COLM’25] DeepRetrieval — 🔥 Entrenamiento de agentes de búsqueda mediante RLVR con resultados de recuperación

Ajuste de instrucciones representacionales generativas.

⚡️ Una biblioteca de Python ultrarrápida para evaluación, comparación y fusión de rankings 🐍

Rankify: Un kit de herramientas integral en Python para recuperación, re-ranking y generación aumentada por recuperación (RAG). Nuestro kit integra 40 conjuntos de datos de referencia pre-recuperados y admite más de 7 técnicas de recuperación, más de 24 modelos de re-ranking de última generación y múltiples métodos RAG.

Motor de búsqueda y respuestas basado en IA para el trabajo. Alternativa de código abierto a Glean.

Una lista curada de artículos destacados relacionados con modelos preentrenados para recuperación de información (también conocido como preentrenamiento para IR).

¿Es ChatGPT bueno para buscar? LLMs como agentes de re-ranking [Premio al mejor artículo en EMNLP 2023]

Open-source infrastructure that turns scattered SKILL.md files into curated, retrieval-ready agent-skill corpora—with retrieval and evaluation tooling included.

🍁 Sycamore es una plataforma de búsqueda y análisis impulsada por LLM para datos no estructurados.

Plataforma de búsqueda web minimalista con un asistente de IA que se ejecuta directamente desde el navegador. Demo: https://felladrin-minisearch.hf.space