#排序模型

RAG-Retrieval

RAG-Retrieval项目通过统一方式调用不同RAG排序模型，支持全链路微调与推理。其轻量级Python库扩展性强，适应多种应用场景，提升排序效率。更新内容包括基于LLM监督的微调及其Embedding模型的MRL loss性能提升。

ranking

TensorFlow Ranking是一个适用于学习排名（LTR）技术的开源库，基于TensorFlow平台。该库包括点对、成对和列表损失函数，以及各类排名指标如平均倒数排名（MRR）和标准折扣累积增益（NDCG）。它提供了群组评分功能和LambdaLoss的实现，用于优化排名指标。此外，它还支持从偏见反馈数据中进行无偏学习。该库旨在为学术研究和工业应用提供一个开放、便捷的平台。用户可通过教程和演示快速入门，无需复杂安装。

FlexNeuART

FlexNeuART是一个轻量级模块化的信息检索框架，适用于研究、教育和评估。该框架支持多种检索方式，包括密集、稀疏和混合检索，并提供多字段多级正向索引功能。FlexNeuART集成了先进的神经网络和传统模型，支持多GPU训练和推理，以及集成学习。通过Python API，用户可以方便地使用检索器和排序器。在MS MARCO文档排序任务中，FlexNeuART展现了优秀的性能，为信息检索领域的研究和应用提供了灵活而强大的工具。

baidu-ultr_uva-bert_ips-pointwise

该项目是基于Baidu-ULTR数据集训练的MonoBERT交叉编码器，采用逆向倾向评分(IPS)方法缓解点击数据中的位置偏差。模型在专家注释和用户点击测试集上评估了排序和点击预测性能，并提供了使用示例。这一开源模型可应用于信息检索领域的研究和实践。