question-answering

🔥 Rankify: Toolkit Python Komprehensif untuk Retrieval, Re-Ranking, dan Retrieval-Augmented Generation (RAG) 🔥. Toolkit kami mengintegrasikan 40 dataset benchmark pra-retrieval dan mendoroang 7+ teknik retrieval, 24+ model Reranking mutakhir, serta berbagai metode RAG.

Inferensi transformer cepat untuk Ruby

Implementasi model BERT dan tugas downstream terkait berbasis framework PyTorch. @跟我学机器学习

Repositori ini berisi kode evaluasi untuk makalah "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI"

Platform pencarian web minimalis dengan asisten AI yang berjalan langsung dari browser Anda. Demo: https://felladrin-minisearch.hf.space

Repository NLP Deep Learning yang merangkum tugas downstream dari pra-pemrosesan teks hingga model terbaru seperti Topic Models, BERT, GPT, dan LLM menggunakan TensorFlow.

Gunakan ArXiv ChatGuru untuk berinteraksi dengan makalah penelitian. Aplikasi ini menggunakan LangChain, OpenAI, Streamlit, dan Redis sebagai basis data vektor/tembolok semantik.

KoalaQA adalah komunitas layanan purna jual sumber terbuka yang digerakkan oleh model AI besar, menyediakan kemampuan seperti jawaban AI, pencarian AI, dan operasional AI, membantu Anda dengan cepat menerapkan skenario seperti layanan pelanggan purna jual, tanya jawab komunitas, dan swalayan, membantu tim secara signifikan mengurangi biaya operasional manual, meningkatkan kepuasan pelanggan dan efisiensi respons, serta membantu mencapai tujuan ZCR (Zero Contact Resolution).

Dataset dan tolok ukur untuk RAG pada dokumen internal perusahaan.

Happy Transformer mempermudah proses fine-tuning dan inferensi dengan model NLP Transformer.

Meringkas dan melakukan kueri dari banyak dokumen heterogen. Berbagai penyedia LLM, jenis file apa pun, RAG tingkat lanjut, ringkasan tingkat lanjut, dapat dibuat skrip, dll

🔎 SimilaritySearchKit adalah paket Swift yang menyediakan penyematan teks pada perangkat dan fungsionalitas pencarian semantik untuk aplikasi iOS dan macOS.

Ekstraksi lima pertanyaan jurnalistik 5W1H dari artikel berita: siapa melakukan apa, kapan, di mana, mengapa, dan bagaimana?

Jawaban atas pertanyaan untuk posisi Frontend Developer.

DialogStudio: Menuju Koleksi Kumpulan Data Terpadu yang Paling Kaya dan Beragam serta Model yang Sadar Instruksi untuk AI Percakapan