#检索增强

Animate-A-Story

Animate-A-Story是一个创新的视频叙事框架，通过检索增强和结构引导的方式生成高质量、可控的故事视频。该框架包含运动结构检索和文本引导的视频合成两个核心模块，能够基于现有视频素材创建连贯的叙事内容。这种方法不仅提高了视频创作的效率，还为创作者提供了对视频结构和角色的精确控制，展现了在实际应用中的巨大潜力。

leandojo-lean4-retriever-byt5-small

LeanDojo项目应用检索增强的语言模型，旨在提升数学与逻辑推理中的自动化水平。通过自然语言处理和机器学习的结合，LeanDojo为定理证明提供了高效创新的解决方案，显著提高了检索精度并加速了复杂问题的求解。目前，该项目正在NeurIPS会议的Datasets and Benchmarks Track中评审，适用于研究人员扩大在数学领域应用机器学习的探索。详情请访问LeanDojo官方网站。

llm-embedder

FlagEmbedding项目开发了一系列高性能文本向量化模型,可将文本转化为低维密集向量。这些模型在信息检索、文本分类、聚类和语义搜索等任务中表现出色,也可用于构建大语言模型的向量数据库。项目包含BGE和LLM-Embedder等多个中英双语模型,在MTEB和C-MTEB基准测试中均取得第一。FlagEmbedding还提供模型微调代码和性能评估工具,便于进行定制化训练和测试。

bge-large-zh-v1.5

bge-large-zh-v1.5是一款先进的中文预训练向量模型。该模型支持长文本输入处理,并整合了密集、稀疏和多向量检索功能。在多语言和跨语言基准测试中,它展现出优异的性能表现。该模型适用于信息检索和语义相似度计算任务,能有效提升大语言模型的检索增强能力。