Startseite Projekte LinearRAG
LinearRAG

LinearRAG

von DEEP-PolyU · GitHub

[ICLR 2026] LinearRAG: Lineare Graph Retrieval Augmented Generation auf großangelegten Korpora.

Auf GitHub ansehen
⭐ Sterne
🍴 Forks
🔥 Trendend
📜 Lizenz
Copyleft-Lizenz
📅 Erstellt
🔄 Letzter Commit
🏷️ Kategorie
💻 Sprache
Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
LinearRAG — GitHub preview card
📈 Sternhistorie
526524
2026-07-202026-07-29
📈 LinearRAG verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

[ICLR 2026] LinearRAG: Lineare Graph Retrieval Augmented Generation auf großangelegten Korpora.

LinearRAG hat 526 Sterne auf GitHub. Es wurde 61-mal geforkt. LinearRAG ist hauptsächlich in Python geschrieben. Es wird seit 2025 aktiv entwickelt. LinearRAG ist unter der GPL-3.0-Lizenz verfügbar. Die Hauptthemen sind: graphrag, llms, rag.

Frequently asked questions

Was ist LinearRAG?

[ICLR 2026] LinearRAG: Lineare Graph Retrieval Augmented Generation auf großangelegten Korpora.

Ist LinearRAG Open Source?

LinearRAG ist ein Open-Source-Projekt. Es wird unter der GPL-3.0-Lizenz veröffentlicht.

Ist LinearRAG kostenlos?

Ja. LinearRAG ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht LinearRAG?

LinearRAG ist unter der GPL-3.0-Lizenz verfügbar.

In welcher Sprache ist LinearRAG geschrieben?

LinearRAG ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
OpenSourceAI badge — LinearRAG

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=deep-polyu-linearrag)](https://opensourceai.tech/project/deep-polyu-linearrag.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.