基于模块化构建和敏捷部署的RAG系统框架，旨在通过自动化的 '数据构建 - 模型微调 - 推理评估' 知识适应技术系统，为研究人员和开发者提供一站式的解决方案。
AutoRAG 是一个自动评估多种 RAG 模块的工具，旨在找到最适合你数据的方案，通过一键优化 RAG 流程，提升效率。
在部署语言模型前，评估其在特定领域生成事实性信息的能力很重要。我们提出了方法，通过语料库转换自动生成，以评估模型从语料库生成真实事实而非不正确陈述的能力。我们创建了两个基准，并发现基准分数与模型大小和检索增强相关，但在模型排名上并不总是与困惑度一致。
META发布的综合性RAG基准测试工具，专门用于评估检索增强生成(RAG)系统的性能。
PromptPerfect是一个创新的AI工具，旨在革命性地改变生成和优化各种AI应用的提示方式。它通过简化创建高度有效和定制化提示的任务，帮助内容创作者、市场营销人员和开发人员提升AI模型的性能。
企业级Agentic RAG的简易使用方式，支持本地云基础设施部署，基于LlamaIndex构建，提供易于配置的Admin UI和API接口
SciBench旨在评估语言模型在复杂科学问题解决中的推理能力。通过开放和封闭数据集的深入基准测试，研究发现当前的语言模型在整体性能方面表现不佳，仅得到35.80%的分数。
提供ChatGPT中文调教的详细指南，帮助用户更好地使用该模型。
一个从零开始构建的LLM驱动的高级RAG管道，旨在揭示高级RAG管道的内部运作，审视通常不透明的机制、局限性和成本。
