#RAGatouille

RAGatouille是一个开源的检索增强生成(RAG)工具包,专注于将先进的检索方法应用于RAG管道。它集成了ColBERT等最新研究成果,提供简单易用的API接口用于模型训练、文档索引和检索。RAGatouille的设计理念是模块化和易用性,同时保持高度可定制性。通过优化检索性能,该工具包旨在提升RAG系统的整体效果,促进信息检索技术在实际应用中的发展。

answerai-colbert-small-v1是Answer.AI开发的ColBERT多向量检索模型。仅有33百万参数，却在多项基准测试中表现出色，超越了许多大规模模型。采用JaColBERTv2.5训练方法，支持文档检索和重排序任务。可通过RAGatouille、Stanford ColBERT等库使用。

该法语语义检索模型采用轻量级设计，通过token级别编码实现文本匹配。模型在mMARCO-fr数据集评测中取得91.9%的召回率，参数量为54M。支持RAGatouille和colbert-ai框架集成，可用于构建法语搜索系统。