RAGFoundry

Un marco para mejorar las tareas de generación mejoradas con recuperación de información (RAG) de los modelos lingüísticos grandes (LLM)

Producto ComúnProgramaciónProcesamiento del lenguaje naturalAjuste fino

Abrir sitio web

RAGFoundry es una biblioteca diseñada para mejorar la capacidad de los modelos lingüísticos grandes (LLM) para utilizar información externa mediante el ajuste fino de los modelos en conjuntos de datos RAG especialmente creados. La biblioteca ayuda a los usuarios a entrenar modelos fácilmente mediante el ajuste fino eficiente de parámetros (PEFT) y a medir la mejora del rendimiento utilizando métricas específicas de RAG. Tiene un diseño modular y el flujo de trabajo se puede personalizar mediante archivos de configuración.

Creación de conjuntos de datos: El módulo de procesamiento crea conjuntos de datos
guarda las interacciones RAG para el entrenamiento y la inferencia de RAG.
Entrenamiento: Entrenamiento eficiente con PEFT
permitiendo a los usuarios entrenar cualquier modelo en conjuntos de datos mejorados.
Inferencia: Generación de predicciones utilizando LLM entrenados o no entrenados.
Evaluación: Ejecución de evaluaciones en la salida generada por el módulo de inferencia
con soporte para métricas personalizadas.
Diseño modular: El flujo de trabajo se personaliza mediante archivos de configuración
facilitando la extensión y modificación.
Compatibilidad con HF Hub: Los modelos entrenados se pueden subir a HF Hub para facilitar el intercambio y el uso.

El público objetivo de RAGFoundry son investigadores y desarrolladores
especialmente aquellos que trabajan en el campo del procesamiento del lenguaje natural y necesitan utilizar modelos lingüísticos grandes para tareas complejas. Es adecuado para investigadores que necesitan prototipos rápidos y experimentar con diferentes configuraciones y ajustes de RAG.

Investigadores utilizan RAGFoundry para ajustar finamente modelos lingüísticos en conjuntos de datos específicos para mejorar el rendimiento de los sistemas de preguntas y respuestas.
Desarrolladores utilizan la modularidad de RAGFoundry para integrarlo rápidamente en proyectos NLP existentes.
Instituciones educativas utilizan RAGFoundry como herramienta didáctica para ayudar a los estudiantes a comprender cómo mejorar el rendimiento del modelo mediante el ajuste fino.

1. Clona la biblioteca RAGFoundry en tu entorno local.
2. Modifica el archivo de configuración según sea necesario para personalizar el flujo de trabajo de creación de conjuntos de datos
entrenamiento
inferencia y evaluación.
3. Ejecuta el script de procesamiento de datos `processing.py` para crear el conjunto de datos para entrenamiento e inferencia.

Abrir sitio web

RAGFoundry Situación del tráfico más reciente

Total de visitas mensuales

474564576

Tasa de rebote

36.20%

Páginas promedio por visita

6.1

Duración promedio de la visita

00:06:34

RAGFoundry Tendencia de visitas

RAGFoundry Distribución geográfica de las visitas

Best AI Websites & Tools

RAGFoundry

RAGFoundry Situación del tráfico más reciente

RAGFoundry Tendencia de visitas

RAGFoundry Distribución geográfica de las visitas

RAGFoundry Fuentes de tráfico

RAGFoundry Alternativas

RAGFoundry — Un marco para mejorar las tareas de generación mejoradas con recuperación de información (RAG) de los modelos lingüísticos grandes (LLM)

Site RAG — Una extensión de Chrome para hacer preguntas en sitios web, compatible con ejecución local y almacenamiento vectorial.

Vectorize — Tubería RAG de producción rápida y precisa

Técnicas RAG — Conjunto revolucionario de técnicas de sistemas de generación mejorada mediante recuperación.

Korvus — SDK de búsqueda RAG integral

Aprende RAG con Langchain — Domina la tecnología RAG y mejora la precisión y relevancia del contenido generado por IA.

LazyLLM — Herramienta de desarrollo para construir aplicaciones de modelos grandes multi-agente con bajo código

GoMate — Sistema confiable de entrada y salida basado en el framework RAG

ASPIRE — Marco para mejorar la capacidad de predicción selectiva de los LLM

Modelo de incrustación de texto Gemini Embedding — Gemini Embedding es un modelo de incrustación de texto avanzado que proporciona una potente capacidad de comprensión del lenguaje a través de la API de Gemini.

NeoBase — NeoBase es un asistente de base de datos de IA de código abierto que le permite interactuar con bases de datos utilizando lenguaje natural.

Instella — Instella es un modelo de lenguaje de código abierto de alto rendimiento desarrollado por AMD, diseñado para acelerar el desarrollo de modelos de lenguaje de código abierto.

Clon — Clon es un robot humanoide con tecnología revolucionaria de músculos artificiales Myofiber, capaz de caminar de forma natural.

ViDoRAG — ViDoRAG es un marco de agentes de razonamiento iterativo dinámico que combina la recuperación de documentos visuales con la generación mejorada.

Microsoft Dragon Copilot — Microsoft Dragon Copilot es un espacio de trabajo de IA para el sector sanitario que simplifica el flujo de trabajo de la documentación clínica y mejora la eficiencia.

Migician — Migician es un modelo de lenguaje multimodal de gran tamaño centrado en la localización de múltiples imágenes, capaz de realizar una localización precisa de múltiples imágenes de forma libre.

IndexTTS — Sistema de texto a voz (TTS) de muestra cero, eficiente y controlable de grado industrial

olmOCR — olmOCR es un conjunto de herramientas para linealizar PDF para el entrenamiento de conjuntos de datos LLM.

Extensiones de IA de Raycast — Raycast lanza las Extensiones de IA, que permiten interactuar mediante comandos de lenguaje natural con las aplicaciones de su ordenador y ejecutar tareas.

MLGym — MLGym es un nuevo marco y punto de referencia para avanzar en la investigación de agentes de IA.

tablegpt-agent — Agente preconstruido de TableGPT2 para tareas de preguntas y respuestas basadas en tablas.

bRAG-langchain — Un proyecto de código abierto para construir aplicaciones de Generación Aumentada por Recuperación (RAG).

Qwen — Qwen Chat es una herramienta de chat de inteligencia artificial basada en un modelo de lenguaje avanzado, que ofrece conversaciones inteligentes y múltiples funciones.

FlexHeadFA — Mecanismo de atención preciso, rápido y eficiente en cuanto a memoria.

FlashMLA — FlashMLA es un núcleo de decodificación MLA eficiente optimizado para GPU Hopper, ideal para servicios de secuencias de longitud variable.

VLM-R1 — VLM-R1 es un modelo de lenguaje visual reforzado estable y versátil, enfocado en tareas de comprensión visual.

Moonlight — Moonlight es un modelo de experto mixto (MoE) de 16B parámetros, entrenado con el optimizador Muon, que ofrece un rendimiento excepcional.

kg-gen — Herramienta de inteligencia artificial que extrae grafos de conocimiento de cualquier texto.

Kie.ai — Kie.ai integra las API DeepSeek R1 y V3, ofreciendo soluciones de IA seguras y escalables.

hallucination-leaderboard — Una tabla de clasificación para comparar la tasa de alucinaciones de modelos lingüísticos grandes (LLM) al resumir documentos cortos.