KET-RAG 是一个结合知识图谱的检索增强型生成框架，用于高效文档索引和答案生成。
KET-RAG（Knowledge-Enhanced Text Retrieval Augmented Generation）是一个强大的检索增强型生成框架，结合了知识图谱技术。它通过多粒度索引框架（如知识图谱骨架和文本-关键词二分图）实现高效的知识检索和生成。该框架在降低索引成本的同时，显著提升了检索和生成质量，适用于大规模 RAG 应用场景。KET-RAG 基于 Python 开发，支持灵活的配置和扩展，适用于需要高效知识检索和生成的开发人员和研究人员。
微软研究院的AutoGen v0.4，重新构想代理型AI的基础，提升可扩展性、鲁棒性和可伸缩性。
AutoGen v0.4是微软研究院推出的一款代理型AI模型，旨在通过其异步、事件驱动的架构，改善代码质量、鲁棒性、通用性和可伸缩性。该模型通过社区反馈进行了全面重构，以支持更广泛的代理场景，包括多代理协作、分布式计算和跨语言支持等。AutoGen v0.4的发布为代理型AI应用和研究奠定了坚实基础，推动了AI技术在多个领域的应用和发展。
专家评估界面和数据评估脚本
OpenScholar_ExpertEval是一个用于专家评估和数据评估的界面和脚本集合，旨在支持OpenScholar项目。该项目通过检索增强型语言模型合成科学文献，对模型生成的文本进行细致的人工评估。产品背景基于AllenAI的研究项目，具有重要的学术和技术价值，能够帮助研究人员和开发者更好地理解和改进语言模型。
轻量级、快速的RAG文本分块库
Chonkie是一个为检索增强型生成（RAG）应用设计的文本分块库，它轻量级、快速，并且易于使用。该库提供了多种文本分块方法，支持多种分词器，并且具有高性能。Chonkie的主要优点包括丰富的功能、易用性、快速处理速度、广泛的支持和轻量级的设计。它适用于需要高效处理文本数据的开发者和研究人员，特别是在自然语言处理和机器学习领域。Chonkie是开源的，遵循MIT许可证，可以免费使用。
基于视觉语言模型的检索增强型生成模型
VisRAG是一个创新的视觉语言模型（VLM）基础的RAG（Retrieval-Augmented Generation）流程。与传统的基于文本的RAG不同，VisRAG直接将文档作为图像通过VLM进行嵌入，然后检索以增强VLM的生成能力。这种方法最大限度地保留了原始文档中的数据信息，并消除了解析过程中引入的信息损失。VisRAG模型在多模态文档上的应用，展示了其在信息检索和增强文本生成方面的强大潜力。
简单快速的检索增强型生成模型
LightRAG是一个基于检索增强型生成模型，旨在通过结合检索和生成的优势来提升文本生成任务的性能。该模型在保持生成速度的同时，能够提供更准确和相关的信息，这对于需要快速且准确信息检索的应用场景尤为重要。LightRAG的开发背景是基于对现有文本生成模型的改进需求，特别是在需要处理大量数据和复杂查询时。该模型目前是开源的，可以免费使用，对于研究人员和开发者来说，它提供了一个强大的工具来探索和实现基于检索的文本生成任务。
高效能AI计算引擎，集成多种计算单元，提供高内存带宽。
SiFive Intelligence XM系列是SiFive推出的高效能AI计算引擎，通过集成标量、向量和矩阵引擎，为计算密集型应用提供极高的性能功耗比。该系列继续SiFive的传统，提供高效的内存带宽，并通过开源SiFive Kernel Library来加速开发时间。
Hoory是一个AI助手，专门用于客户支持自动化，提供基于规则和基于知识的两种类型的助手
Hoory提供了两种类型的AI助手，用于客户支持自动化。规则型助手遵循结构化的方法，使用动态流程图指导用户交互，而知识型助手则利用语言模型技术提供智能和情境相关的客户查询响应。用户可以根据需要选择和训练适合自己产品的AI助手。
AI视频配音与文本转视频应用
AI视频配音与文本转视频应用是一个完美的工具，适用于内容创作者、营销人员、制作公司和企业。使用我们真实、类似人类的AI声音和动画AI角色，为您现有的视频配音，支持40种自然语言，或通过文本创作视频。快速、准确的翻译、嘴型同步功能为您提供与工作室相似的品质。定价灵活、快速、经济实惠。
© 2025 AIbase 备案号：闽ICP备08105208号-14