information-retrieval

Instagram 信息搜集工具。

允许通过 AI 辅助进行网络搜索的软件清单：https://hf.co/spaces/felladrin/awesome-ai-web-search

Python 中的 BM25 算法集合

采用 Rust 构建的高性能、模块化、内存安全且生产就绪的推理、摄取和索引工具 🦀

信息搜集工具 - DNS / 子域 / 端口 / 目录枚举

Anserini 是一个用于可重现信息检索研究的 Lucene 工具包

开放式 CLI，用于将 AI 搜索、推荐与对话式检索整合至代理系统和业务系统中

PISA：适用于学术界的高性能索引与搜索

RAFT 包含机器学习与信息检索中基础且广泛使用的算法与原语。这些算法经过 CUDA 加速，并构成了更轻松编写高性能应用程序的基础组件。

SPLADE：稀疏神经搜索（SIGIR21、SIGIR22）

allRank 是一个基于 PyTorch 训练排序学习（learning-to-rank）神经网络模型的框架。

RAG-Fusion：多重查询生成 + 倒数排名融合，以实现更好的检索增强生成。包含使用 NFCorpus/BEIR 的评估工具。

后期交互模型的训练与检索

SGPT：用于语义搜索的 GPT 句子嵌入

cuVS - 用于 GPU 上进行向量搜索与分群的函式库

[EMNLP'25] s3 - ⚡ 通过 RL 进行高效且有效的 RAG 搜索代理训练（使用最少数据的 RAG 的 RLVR 搜索）

使用微调增强 LLM 以执行 RAG 任务的框架。

Tevatron：跨规模、语言与模态的统一文档检索工具包。于 SIGIR 2023、SIGIR 2025 展示。

适用于 JavaScript 的直观式模糊匹配、信息检索与 NLP 构建区块

[COLM’25] DeepRetrieval — 🔥 通过具备检索结果的 RLVR 训练 Search Agent

生成式表征指令微调

⚡️ 用于排序评估、比较与融合的极速 Python 库 🐍

🔥 Rankify：用于检索、重新排序与检索增强生成（RAG）的全方位 Python 工具包 🔥。本工具包整合了 40 个预先检索的基准数据集，并支持 7 种以上检索技术、24 种以上最先进的 Reranking 模型以及多种 RAG 方法。

针对工作打造的 AI 优先搜索与问答引擎。Glean 的开源替代方案。

精选与信息检索预训练模型（又称 IR 预训练）相关的优秀论文列表。

ChatGPT 擅长搜索吗？作为重新排序代理的 LLM [EMNLP 2023 杰出论文奖]

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

🍁 Sycamore 是一个由 LLM 驱动的非结构化数据搜索与分析平台。

极简主义网页搜索平台，内置可直接在浏览器中执行的 AI 助理。演示：https://felladrin-minisearch.hf.space