owenliang / rag-retrieval
RAG向量召回示例
☆124Updated last year
Alternatives and similar repositories for rag-retrieval
Users that are interested in rag-retrieval are comparing it to the libraries listed below
Sorting:
- 快速入门RAG与私有化部署☆180Updated last year
- qwen ai agent☆131Updated last year
- 通义千问 SFT试验☆69Updated last year
- 基于 大语言模型的检索增强生成RAG示例☆147Updated last week
- FinQwen: 致力于构建一个开放、稳定、高质量的金融大模型项目,基于大模型搭建金融场景智能问答系统,利用开源开放来促进「AI+金融」。☆379Updated 11 months ago
- 数据科学教程案例☆139Updated 4 months ago
- 通义千问VLLM推理部署DEMO☆577Updated last year
- 在本项目中模拟健康档案私有知识库构建和检索全流程,通过一份代码实现了同时支持多种大模型(如OpenAI、阿里通义千问等)的RAG(检索增强生成)功能:(1)离线步骤:文档加载->文档切分->向量化->灌入向量数据库;在线步骤:获取用户问题->用户问题向量化->检索向量数据库…☆130Updated 8 months ago
- 利用开源大模型,通过RAG(检索增强生成)技术,实现基于企业内部知识图谱的,可内网运行的大模型智能客服☆64Updated last year
- TinyRAG☆295Updated 3 weeks ago
- 手把手带你从0到1实现大模型agent☆115Updated 10 months ago
- prompt 工程项目案例☆82Updated last month
- 阿里天池: 2023全球智能汽车AI挑战赛——赛道一:AI大模型检索问答 baseline 80+☆103Updated last year
- RAG-QA-Generator 是一个用于检索增强生成(RAG)系统的自动化知识库构建与管理工具。该工具通过读取文档数据,利用大规模语言模型生成高质量的问答对(QA对),并将这些数据插入数据库中,实现RAG系统知识库的自动化构建和管理。☆173Updated 4 months ago
- 本项目是针对RAG中的Retrieve阶段的召回技术及算法效果所做评估实验。使用主体框架为LlamaIndex.☆248Updated 4 months ago
- 大语言模型微调,Qwen2VL、Qwen2、GLM4指令微调☆386Updated 3 months ago
- 本项目旨在分享人工智能相关应用技术以及实战经验,包括大模型、语音合成、数字人、图像生成等。☆232Updated 7 months ago
- 本项目为书籍《大模型RAG实战》的代码以及资料汇总。☆199Updated 5 months ago
- ☆109Updated 10 months ago
- RAGOnMedicalKG,将大模型RAG与KG结合,完成demo级问答,旨在给出基础的思路。☆294Updated last year
- 对llama3进行全参微调、lora微调以及qlora微调。☆195Updated 7 months ago
- 基于chatglm3-6b模型的lora方法的微调☆79Updated last year
- langchain学习笔记,包含langchain源码解读、langchain中使用中文模型、langchain实例等。☆208Updated last year
- 大模型技术栈一览☆95Updated 7 months ago
- 基于ChatGLM3-6b的智能对话系统,集成了RAG、知识图谱、Agent、多模态等技术来增强大模型的回复质量。☆40Updated 9 months ago
- RAG兴趣小组,全手写的一个RAG应用。Langchain的大部分库会很方便,但是你不一定理解其中原理,所以代码尽可能展现基本算法,主打理解RAG的原理☆216Updated 7 months ago
- 这个项目是一个Jupyter notebook的集合,专门用于学习和探索LangChain框架。☆389Updated last year
- 一个很小很小的RAG系统☆223Updated 2 weeks ago
- 此项目完成了关于 NLP-Beginner:自然语言处理入门练习 的所有任务(文本分类、信息抽取、知识图谱、机器翻译、问答系统、文本生成、Text-to-SQL、文本纠错、文本挖掘、知识蒸馏、模型加速、OCR、TTS、Prompt、embedding等),所有代码都经过测试…☆200Updated last year
- RAG 论文学习☆126Updated last month