Startseite Projekte Awesome-LLM-RAG
Awesome-LLM-RAG
embeddings

Awesome-LLM-RAG

Awesome-LLM-RAG: eine kuratierte Liste von fortschrittlicher Retrieval-Augmented Generation (RAG) in großen Sprachmodellen.

von jxzhangjhu · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Kategorie
embeddingslarge-language-modelsllm
Auf GitHub ansehen
In einfachen Worten

Durchsuchen Sie eine Sammlung fortschrittlicher Forschungsarbeiten zur Verbesserung von Sprachmodellen mit Abruftechniken.

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 →
Awesome-LLM-RAG — GitHub preview card
📈 Sternhistorie
1 3441 338
2026-07-202026-08-31
📈 Awesome-LLM-RAG verfolgen

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

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

Awesome-LLM-RAG: eine kuratierte Liste von fortschrittlicher Retrieval-Augmented Generation (RAG) in großen Sprachmodellen.

Awesome-LLM-RAG hat 1.3k Sterne auf GitHub. Es wurde 94-mal geforkt. Es wird seit 2023 aktiv entwickelt. Die Hauptthemen sind: embeddings, large-language-models, llm, rag.

Frequently asked questions

Was ist Awesome-LLM-RAG?

Awesome-LLM-RAG: eine kuratierte Liste von fortschrittlicher Retrieval-Augmented Generation (RAG) in großen Sprachmodellen.

Ist Awesome-LLM-RAG Open Source?

Awesome-LLM-RAG ist ein Open-Source-Projekt.

Ist Awesome-LLM-RAG kostenlos?

Ja. Awesome-LLM-RAG ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

🏅 Wartender dieses Projekts?
olud.ai badge — Awesome-LLM-RAG

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

[![olud.ai](https://olud.ai/badge.php?tool=jxzhangjhu-awesome-llm-rag)](https://olud.ai/project/jxzhangjhu-awesome-llm-rag.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

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