Logo
Project Icon

miracl

跨18语言的多语言信息检索数据集

MIRACL多语言信息检索维基百科语料库基准测试跨语言搜索Github开源项目

MIRACL项目提供了一个跨18种语言的多语言信息检索数据集,涵盖全球超过30亿母语使用者。该数据集包含16种已知语言的Wikipedia语料库,并提供相应的训练和开发数据。项目还包括基于BM25和mDPR的基线系统,以及使用Pyserini复现结果的指南。这一资源为多语言信息检索研究提供了有价值的支持。

访问官网访问官网GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
MixEval - 动态更新的大语言模型评测基准
GithubLLM评估MixEval动态评估基准测试开源项目模型排名
MixEval是一个动态更新的大语言模型评测基准，结合现有基准和真实用户查询构建而成。该基准在保持高准确度的同时，实现了快速、低成本和可重复的评测。MixEval提供更全面、公平的查询分布，并通过定期更新机制避免数据污染。作为一个高效可靠的评测工具，MixEval适用于各类大语言模型研究和应用场景。
ALCE - 增强大语言模型生成引用文本的基准工具
ALCEGithub大语言模型开源项目文本生成自动引用评估基准
ALCE是一个用于评估大语言模型生成引用文本能力的基准工具。它包含ASQA、QAMPARI和ELI5三个数据集，用于自动评估模型生成文本的流畅度、正确性和引用质量。ALCE提供了基线模型复现代码和评估方法，为研究人员提供了改进大语言模型文本生成和引用能力的综合解决方案。
wikipedia-semantic-search - 多语言维基百科语义搜索引擎和RAG聊天机器人
GithubRAG聊天机器人Upstash Vector向量索引开源项目维基百科语义搜索
该项目利用Upstash Vector索引数百万篇维基百科文章，构建了支持11种语言的语义搜索引擎和RAG聊天机器人。通过BGE-M3嵌入模型实现多语言支持，结合Upstash Vector实现高效向量存储和查询。项目展示了跨语言语义搜索能力，并借助Upstash RAG Chat SDK实现智能聊天功能，为开发者提供多语言信息检索和交互平台。
awesome-LLM-resourses - 中文大语言模型全面资源汇总 数据处理到评估应有尽有
GithubLLMRAG大语言模型开源项目微调推理评估
该项目汇总了中文大语言模型(LLM)领域的全面资源，包含数据处理、微调、推理和评估等多个环节的开源工具。资源库涵盖最新LLM技术，并收录RAG系统和AI代理等前沿应用。项目为LLM研究者和开发者提供了丰富的工具和信息，有助于推进相关项目的开发与应用。
muril-base-cased - MuRIL：适用于多种印度语言的多语言BERT模型
GithubHuggingfaceMuRIL印度语言多语言表征开源项目模型自然语言处理迁移学习
MuRIL是一种专为17种印度语言及其音译数据预训练的BERT模型。此模型利用公共数据集和新颖的训练方法，在低资源语言处理上表现优异。MuRIL在多个基准任务中超越了传统的mBERT模型，适用于印度语言的多种NLP任务，并附带预处理模块及使用指南以支持有效应用。
LLM4IR-Survey - 大语言模型在信息检索领域的应用研究综述
GithubLLM信息检索开源项目查询重写检索器重排序
LLM4IR-Survey项目汇集了大语言模型在信息检索领域应用的相关研究论文。项目涵盖查询重写、检索、重排序、阅读理解和搜索代理等方向，全面展示大语言模型在信息检索各环节的应用。 该资源持续更新，反映最新研究进展和创新应用，为该领域的研究人员和从业者提供重要参考。
MINT-1T - 万亿级开源多模态数据集推动AI研究
GithubMINT-1T图文数据多模态数据集开源数据开源项目海量数据
MINT-1T是一个大规模开源多模态数据集，包含1万亿文本标记和34亿张图像，比现有开源数据集规模扩大约10倍。该数据集首次纳入PDF和ArXiv论文等新数据源，提供HTML、PDF和ArXiv等多个子集。MINT-1T旨在为大规模多模态AI模型研究提供丰富的训练资源，其规模和多样性有望促进多模态AI技术的发展。
CRUD_RAG - 全面评估中文检索增强生成系统的基准测试
CRUD-RAGGithub中文基准测试大语言模型开源项目检索增强生成评估系统
CRUD_RAG是一个全面的中文检索增强生成(RAG)系统评估基准。该项目包含36166个测试样本，覆盖CRUD操作，支持多种评估指标。CRUD_RAG提供原生中文数据集、评估任务和基线模型，并具备一键式评估功能。这一工具可助力研究人员和开发者全面评估和优化中文RAG系统性能，推动中文自然语言处理技术的进步。
SFR-Embedding-Mistral - 基于Mistral的开源多语言文本嵌入模型
GithubHuggingfaceMTEB开源项目性能指标数据集机器学习模型模型评估
SFR-Embedding-Mistral是基于Mistral架构的多语言文本嵌入模型，通过MTEB基准测试验证其在文本分类、语义匹配和信息检索领域的性能表现。模型在AmazonPolarity分类测试中实现95.97%准确率，可用于多语言文本向量化处理。
xmc.dspy - Infer-Retrieve-Rank方法revolutionizing大规模多标签分类
GithubInfer-Retrieve-Rank上下文学习多标签分类开源项目极端多类别语言模型
Infer-Retrieve-Rank (IReRa)是一种创新的多标签分类方法，专门针对具有大量类别的任务。这个通用且模块化的程序通过预训练语言模型和检索器的交互，高效处理复杂的分类问题。IReRa仅需少量标记示例即可优化性能，无需模型微调。该项目提供完整文档，包括安装、数据处理、运行指南等，方便研究人员在各种语言模型推理和检索任务中应用。
相关项目
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号