Öppen källkodRAG16k
Sentence Transformers
Standardverktygslådan för text- och bildembeddings samt rerankers.
Sentence Transformers (SBERT) är ett Python-ramverk för att beräkna täta vektorembeddings av meningar, stycken och bilder, samt för att träna och använda cross-encoder-rerankers. Det exponerar tusentals förtränade modeller och ett enkelt API för kodning, semantisk likhet och finjustering på egna data. Det är det mest använda biblioteket för att generera de embeddings som matar vektordatabaser och RAG-hämtning.
Kodförråd
UKPLab/sentence-transformersSpråk
PythonVad du kan bygga med det
- Generera dokument- och frågeembeddings för indexering i ett vektorsystem för semantisk sökning och RAG
- Finjustera en embeddingsmodell på domänspecifik data för att förbättra hämtningsrelevans
- Lägga till ett cross-encoder-rerankeringssteg för att sortera om top-k hämtade chunk:ar innan de skickas till en LLM
Taggar
embeddingsrerankingsemantic-searchnlp