AutoRAG-Research - Bộ sưu tập triển khai pipeline của các bài báo RAG mới nhất và công cụ thử nghiệm so sánh
(github.com/NomaDamas)- Ngay cả trong thời đại AI Agent, RAG vẫn còn nguyên giá trị và là thành phần cốt lõi cần được tích hợp vào hệ thống khi cần tri thức và tài liệu bên ngoài
- Vô số phương pháp mới nhất đang xuất hiện trong các lĩnh vực như Agentic RAG kết hợp Agent và RAG, Graph RAG sử dụng knowledge graph, hay Multi-modal RAG tận dụng mô hình embedding dựa trên hình ảnh
- So với lượng phương pháp mới và bộ dữ liệu benchmark ngày càng tràn ngập, vẫn chưa có một môi trường thử nghiệm được chuẩn hóa để tái triển khai chúng và kiểm chứng hiệu năng
- AutoRAG-Research là một dự án mã nguồn mở giúp dễ dàng so sánh hiệu năng giữa các bộ dữ liệu benchmark hiện có và các phương pháp RAG
- Quản lý nhiều bộ dữ liệu benchmark bằng schema chuẩn hóa, cho phép nhà nghiên cứu chỉ cần tải xuống DB đã embedding sẵn và sử dụng ngay cho thí nghiệm
- Các bài báo RAG mới nhất đã được triển khai sẵn để có thể dùng ngay
- Hỗ trợ cấu trúc plugin được thiết kế để dễ dàng bổ sung bộ dữ liệu tùy chỉnh và pipeline RAG tùy chỉnh
Xin chào, tôi là Kim Dong-gyu, người từng phát triển AutoRAG. Lần này, tôi đã tổng hợp những điểm còn tiếc nuối ở AutoRAG cũng như những điều học được rất nhiều để phát hành mã nguồn mở một công cụ nghiên cứu và phát triển RAG mang tên AutoRAG-Research.
Dạo gần đây AI Agent đang là xu hướng chủ đạo, nhưng RAG vẫn đang được áp dụng thực tế ở nhiều lĩnh vực công nghiệp, và cũng có mối quan hệ không thể tách rời với Agent.
Tôi đã thực hiện dự án này để giải quyết vô số thử-sai và bất tiện mà mình gặp phải khi nghiên cứu RAG, và rất vui được công khai nó dưới dạng mã nguồn mở.
Mong mọi người quan tâm và sẽ rất cảm ơn nếu bạn bấm sao trên GitHub!
2 bình luận
Bạn vẫn đang tiếp tục chuyên sâu về RAG nhỉ. Tôi cũng tò mò không biết AutoRAG có kết quả kinh doanh thế nào.
Cảm ơn bạn.