FlashRAG: 高效检索增强生成研究的模块化工具包

RayRay
FlashRAG检索增强生成Python工具包复现研究自定义组件Github开源项目

FlashRAG简介

FlashRAG是一个为检索增强生成(RAG)研究而设计的Python工具包。随着大型语言模型(LLM)的发展,RAG技术引起了广泛关注,出现了许多新颖的算法和模型来增强RAG系统的各个方面。然而,由于缺乏标准化的实现框架,以及RAG过程本身的复杂性,研究人员很难在一个一致的环境中比较和评估这些方法。为了解决这一挑战,FlashRAG应运而生。

FlashRAG的主要目标是帮助研究人员在一个统一的框架内复现现有的RAG方法,并开发自己的RAG算法。该工具包具有以下特点:

  1. 可扩展和可定制的框架:包含RAG场景所需的基本组件,如检索器、重排器、生成器和压缩器,允许灵活组装复杂的管道。

  2. 全面的基准数据集:收集了32个预处理的RAG基准数据集,用于测试和验证RAG模型的性能。

  3. 预实现的先进RAG算法:基于该框架实现了14种先进的RAG算法,并报告了结果。可以轻松地在不同设置下复现结果。

  4. 高效的预处理阶段:通过提供各种脚本(如用于检索的语料库处理、检索索引构建和文档预检索)简化了RAG工作流程的准备工作。

  5. 优化的执行:使用vLLM和FastChat等工具加速LLM推理,使用Faiss进行向量索引管理,提高了库的效率。

FlashRAG的架构

FlashRAG的整体结构包括三个层次的模块:环境模块、组件模块和管道模块。

  1. 环境模块:是工具包的基础,建立实验所需的数据集、超参数和评估指标。

  2. 组件模块:包括五个主要子组件:判断器、检索器、重排器、精炼器和生成器。

    • 判断器:使用SKR方法评估查询是否需要检索。
    • 检索器:包括稀疏检索和密集检索实现。
    • 重排器:对检索结果进行重新排序,提高相关性。
    • 精炼器:减少检索文档的噪音和token使用,提高最终响应质量。
    • 生成器:使用vLLM和FastChat等加速库实现LLM生成。
  3. 管道模块:处理用户提供的数据,实现并执行相应的RAG过程,提供最终评估输出和中间结果。

FlashRAG支持四类处理流程:

  • 顺序型:RAG过程的线性执行
  • 分支型:对单个查询并行执行多个流程,合并各流程的结果
  • 条件型:使用判断器根据判断结果将查询引导到不同的执行流程
  • 循环型:在检索和生成过程之间进行多次循环以改进结果

FlashRAG架构图

支持的RAG方法

FlashRAG实现了14种RAG方法,采用统一的设置:

  • 生成器:LLAMA3-8B-instruct,输入长度2048
  • 检索器:e5-base-v2作为嵌入模型,每个查询检索5个文档
  • 提示:一致的默认提示模板

这些方法包括:

  • 顺序型:标准RAG、LongLLMLingua、RECOMP等
  • 分支型:SuRe、REPLUG等
  • 条件型:SKR
  • 循环型:Self-RAG、FLARE、IRCoT等

研究人员可以轻松复现这些方法,也可以基于FlashRAG的框架开发新的RAG算法。

基准数据集

FlashRAG收集并处理了35个广泛用于RAG研究的数据集,预处理它们以确保一致的格式,便于使用。这些数据集涵盖了各种任务类型,如问答、多跳问答、长形式问答、多项选择等。所有数据集都可在Hugging Face上获取。

使用FlashRAG

要开始使用FlashRAG,只需从GitHub克隆并安装(需要Python 3.9+):

git clone https://github.com/RUC-NLPIR/FlashRAG.git cd FlashRAG pip install -e .

FlashRAG提供了多种使用方式:

  1. 使用现成的管道:配置config并加载相应的管道即可实现RAG过程。

  2. 构建自定义管道:继承BasicPipeline,初始化所需组件,完成run函数即可实现更复杂的RAG过程。

  3. 直接使用组件:如果只想使用某些组件嵌入到原有代码中,可以参考组件的基本介绍了解输入输出格式。

FlashRAG还提供了详细的文档,包括配置指南、复现指南、基线方法详情等,帮助用户更好地使用该工具包。

总之,FlashRAG为RAG研究提供了一个强大而灵活的工具包,可以帮助研究人员更高效地进行RAG相关实验和开发。无论是复现现有方法还是探索新的RAG算法,FlashRAG都能提供有力支持。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多