RAGFoundry

Un framework pour améliorer les tâches de génération augmentées par la recherche (RAG) des grands modèles de langage (LLM).

Produit OrdinaireProgrammationTraitement du langage naturelAjustement fin

Ouvrir le site Web

RAGFoundry est une bibliothèque conçue pour améliorer les capacités des grands modèles de langage (LLM) à utiliser des informations externes en affinant les modèles sur des ensembles de données RAG spécialement créés. La bibliothèque aide les utilisateurs à entraîner facilement des modèles grâce au réglage fin efficace des paramètres (PEFT) et à mesurer l'amélioration des performances à l'aide d'indicateurs spécifiques à RAG. Elle possède une conception modulaire et le workflow peut être personnalisé via un fichier de configuration.

Création de jeux de données : le module de traitement crée des jeux de données
enregistre les interactions RAG pour l’entraînement et l’inférence RAG.
Entraînement : entraînement efficace avec PEFT
les utilisateurs peuvent entraîner n’importe quel modèle sur un jeu de données enrichi.
Inférence : génération de prédictions à l’aide de LLM entraînés ou non entraînés.
Évaluation : exécution d’une évaluation sur les sorties générées par le module d’inférence
prise en charge des indicateurs personnalisés.
Conception modulaire : le workflow est personnalisé via un fichier de configuration
facile à étendre et à modifier.
Prise en charge de HF Hub : les modèles entraînés peuvent être poussés vers HF Hub pour faciliter le partage et l’utilisation.

RAGFoundry cible les chercheurs et les développeurs
en particulier ceux qui travaillent dans le domaine du traitement du langage naturel et qui ont besoin d'utiliser des grands modèles de langage pour des tâches complexes. Il convient aux chercheurs qui ont besoin de prototypes rapides et d'expérimenter différents paramètres et configurations RAG.

Des chercheurs utilisent RAGFoundry pour affiner les modèles linguistiques sur des jeux de données spécifiques afin d'améliorer les performances des systèmes de questions-réponses.
Des développeurs utilisent les fonctionnalités modulaires de RAGFoundry pour une intégration rapide dans des projets NLP existants.
Des établissements d'enseignement utilisent RAGFoundry comme outil pédagogique pour aider les étudiants à comprendre comment améliorer les performances des modèles grâce à l'ajustement fin.

1. Cloner la bibliothèque RAGFoundry dans votre environnement local.
2. Modifier le fichier de configuration selon vos besoins pour personnaliser le processus de création
d’entraînement
d’inférence et d’évaluation des jeux de données.
3. Exécuter le script de traitement des données `processing.py` pour créer le jeu de données pour l’entraînement et l’inférence.

Ouvrir le site Web

RAGFoundry Dernière situation du trafic

Nombre total de visites mensuelles

474564576

Taux de rebond

36.20%

Nombre moyen de pages par visite

6.1

Durée moyenne de la visite

00:06:34

RAGFoundry Tendance des visites

RAGFoundry Distribution géographique des visites

Best AI Websites & Tools

RAGFoundry

RAGFoundry Dernière situation du trafic

RAGFoundry Tendance des visites

RAGFoundry Distribution géographique des visites

RAGFoundry Sources de trafic

RAGFoundry Alternatives

RAGFoundry — Un framework pour améliorer les tâches de génération augmentées par la recherche (RAG) des grands modèles de langage (LLM).

Site RAG — Une extension Chrome pour poser des questions sur un site web, prenant en charge l'exécution locale et le stockage vectoriel.

Vectorize — Pipeline RAG de production rapide et précise

Techniques RAG — Ensemble révolutionnaire de techniques pour les systèmes de génération augmentée par la recherche.

Korvus — SDK de recherche RAG tout-en-un

Apprenez RAG avec Langchain — Maîtrisez la technologie RAG et améliorez la précision et la pertinence de vos contenus générés par l'IA.

GoMate — Système fiable d'entrée et de sortie fiable basé sur le framework RAG

Modèle d'intégration de texte Gemini Embedding — Gemini Embedding est un modèle d'intégration de texte avancé qui fournit des capacités puissantes de compréhension du langage via l'API Gemini.

NeoBase — NeoBase est un assistant de base de données IA open source qui vous permet d'interagir avec votre base de données en langage naturel.

Instella — Instella est un modèle linguistique open source haute performance développé par AMD, conçu pour accélérer le développement des modèles linguistiques open source.

Clone — Clone est un robot humanoïde doté de la technologie révolutionnaire des muscles artificiels Myofiber, capable de marcher naturellement.

ViDoRAG — ViDoRAG est un framework d'agents d'inférence itérative dynamique qui combine la recherche de documents visuels et l'amélioration de la génération.

Microsoft Dragon Copilot — Microsoft Dragon Copilot est un espace de travail IA pour le secteur médical qui simplifie les flux de travail de documentation clinique et améliore l'efficacité.

Migician — Migician est un grand modèle linguistique multimodale axé sur la localisation multi-images, capable de réaliser une localisation précise multi-images de forme libre.

IndexTTS — Système texte-parole zéro-shot industriel, contrôlable et efficace

olmOCR — olmOCR est une boîte à outils permettant de linéariser des PDF pour l'entraînement d'ensembles de données de LLM.

Extensions Raycast IA — Raycast lance les Extensions IA, permettant d'interagir avec les applications de votre ordinateur et d'exécuter des tâches via des commandes en langage naturel.

MLGym — MLGym est un nouveau framework et une nouvelle référence pour faire progresser les agents de recherche en IA.

tablegpt-agent — Agent pré-construit de TableGPT2 pour les tâches de Q&R basées sur des tableaux.

bRAG-langchain — Un projet open source pour la construction d'applications de génération augmentée par la recherche (RAG).

Qwen — Qwen Chat est un outil de chat d'intelligence artificielle basé sur un modèle linguistique avancé, offrant des conversations intelligentes et de multiples fonctionnalités.

FlexHeadFA — Mécanisme d'attention précis, rapide et économe en mémoire

FlashMLA — FlashMLA est un noyau de décodage MLA hautement efficace optimisé pour les GPU Hopper, adapté aux services de séquences de longueur variable.

VLM-R1 — VLM-R1 est un modèle linguistique visuel renforcé stable et polyvalent, axé sur les tâches de compréhension visuelle.

Moonlight-16B-A3B — Moonlight-16B-A3B est un modèle d'expert mixte de 16 milliards de paramètres, entraîné avec l'optimiseur Muon, conçu pour une génération de langage efficace.

Moonlight — Moonlight est un modèle d'expert mixte de 16 milliards de paramètres, entraîné avec l'optimiseur Muon, et offrant des performances exceptionnelles.

kg-gen — Outil d'intelligence artificielle pour extraire les graphes de connaissances de n'importe quel texte.

Kie.ai — Kie.ai intègre les API DeepSeek R1 et V3 pour fournir des solutions IA sécurisées et évolutives.

hallucination-leaderboard — Un classement comparant les performances de grands modèles de langage (LLM) en matière d'hallucinations lors de la synthèse de courts documents.

KET-RAG — KET-RAG est un framework de génération enrichie par la recherche et intégrant un graphe de connaissances, conçu pour l'indexation efficace de documents et la génération de réponses.