question-answering

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.

Inferencia rápida de transformadores para Ruby.

Implementación del modelo BERT y sus tareas relacionadas basada en el framework PyTorch. @跟我学机器学习

Este repositorio contiene el código de evaluación para el artículo "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI".

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

Repositorio de Deep Learning NLP que utiliza TensorFlow para cubrir desde el preprocesamiento de texto hasta tareas posteriores con modelos modernos como Topic Models, BERT, GPT y LLM.

Usa ArXiv ChatGuru para interactuar con artículos de investigación. Esta aplicación utiliza LangChain, OpenAI, Streamlit y Redis como base de datos vectorial/caché semántica.

KoalaQA es una comunidad de servicio postventa de código abierto impulsada por IA, que ofrece respuestas, búsqueda y operaciones mediante IA para ayudar a implementar rápidamente escenarios de atención al cliente, preguntas frecuentes y autoservicio, reduciendo costos operativos y mejorando la eficiencia.

Conjunto de datos y benchmark para RAG en documentos internos de empresas.

Happy Transformer facilita el ajuste fino y la inferencia con modelos NLP Transformer.

Resume y consulta una gran cantidad de documentos heterogéneos. Compatible con cualquier proveedor de LLM, cualquier tipo de archivo, RAG avanzado, resúmenes avanzados, programable, etc.

SimilaritySearchKit es un paquete de Swift que proporciona incrustaciones de texto y funcionalidad de búsqueda semántica en el dispositivo para aplicaciones de iOS y macOS.

Extracción de las cinco W y una H periodísticas (5W1H) de artículos de noticias: quién hizo qué, cuándo, dónde, por qué y cómo.

Respuestas a preguntas para el puesto de desarrollador Frontend.

DialogStudio: hacia la colección de conjuntos de datos unificados más rica y diversa y modelos conscientes de instrucciones para IA conversacional