retrieval

PageIndex : index de documents pour le RAG basé sur le raisonnement sans vecteurs

Recherche de code rapide et précise pour les agents. Utilise 99 % de jetons en moins que grep+read

OpenKB : base de connaissances pour LLM ouverts.

SimpleMem : mémoire à long terme efficace pour les agents LLM, supportant le texte et le multimodal.

MTEB : Évaluation de pointe des embeddings à travers les langues et les modalités

Bibliothèque Python rapide, précise et légère pour créer des embeddings de pointe.

Serveur d'inférence open-source et cluster de production pour tous les modèles nécessaires à vos agents.

Mémoire à long terme basée sur le profil utilisateur pour les applications de chatbot IA.

Apache Lucene.NET est une bibliothèque de recherche plein texte open source écrite en C#, portée depuis le projet Apache Lucene.

Un benchmark hétérogène pour la recherche d'information, permettant d'évaluer facilement vos modèles sur plus de 15 jeux de données IR divers.

Recherche BM25 rapide en Python, propulsée par Numpy et Numba

L'implémentation officielle de RAPTOR : Recursive Abstractive Processing for Tree-Organized Retrieval

OpenResearcher : Un pipeline entièrement ouvert pour la synthèse de trajectoires de recherche approfondie à long terme

CLI open source pour intégrer la recherche par IA, la recommandation et la récupération conversationnelle dans les systèmes d'agents et les systèmes métier.

Implémentation officielle pour CLIP4Clip : une étude empirique de CLIP pour la recherche de clips vidéo de bout en bout.

Bibliothèque Rust pour générer des plongements vectoriels et effectuer un reranking en local.

RAG sans analyse syntaxique (parsing-free) pris en charge par les VLM.

Epsilla est un système de gestion de base de données vectorielles haute performance.

SGPT : plongements de phrases GPT pour la recherche sémantique

Neum AI est un framework de premier ordre pour gérer la création et la synchronisation d'embeddings vectoriels à grande échelle.

Utilisez des modèles multimodaux à interaction tardive comme ColPali en quelques lignes de code.

[Pytorch] Modèle de récupération générative utilisant des identifiants sémantiques issu de "Recommender Systems with Generative Retrieval"

Moteur de recherche ancré (avec références de sources) basé sur LLM / ChatGPT / OpenAI API. Il prend en charge la recherche sur le Web, la recherche de contenu de fichiers, etc.

Ajustement d'instructions représentationnelles génératives

🔥 Rankify : un toolkit Python complet pour la récupération, le re‑ranking et la génération augmentée par récupération 🔥. Notre toolkit intègre 40 jeux de données de référence pré‑récupérés et prend en charge plus de 7 techniques de récupération, plus de 24 modèles de re‑ranking de pointe, ainsi que plusieurs méthodes RAG.

Couche de récupération pour les systèmes IA de production. Recherche ultra‑rapide (<10 ms) sans bases de données vectorielles. Conçue pour le browser, le edge, l'on‑device et le cloud.

Framework RAG facile à utiliser ; Solution Top 3 du défi international CCF AIOps 2024

~97 % de réduction de jetons pour les sessions de codage IA — zéro dépendance, 33 langages, serveur MCP

Utilisez ArXiv ChatGuru pour interagir avec des articles de recherche. Cette application utilise LangChain, OpenAI, Streamlit et Redis comme base de données vectorielle/cache sémantique.

Retrieve, Read and LinK : liaison d'entités et extraction de relations rapides et précises avec un budget académique (ACL 2024)