RepositoryAkariAsai/self-ragForschung
Klassisches RAG führt Abfragen oft starr und pauschal durch, was zu redundantem Kontext und Fehlern führen kann. SELF-RAG trainiert Modelle darauf, Abrufe gezielt zu steuern und Behauptungen durch interne Reflexionsschritte eigenständig auf Korrektheit zu prüfen.
Das Repository stellt die offizielle Implementierung einer auf der ICLR 2024 (Oral) vorgestellten Forschungsarbeit dar. Technologisch basiert es auf Python, Hugging Face Hub und vLLM. Das Projekt richtet sich vor allem an KI-Forschende und ML-Engineers, die komplexe RAG-Architekturen optimieren wollen. Da es sich um akademischen Forschungscode mit dazugehörigen Modellgewichten und Trainingsdaten handelt, eignet es sich primär als Referenz- und Evaluierungsbasis und erfordert für den Produktionseinsatz Integrationsaufwand.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Repository:HuskyInSalt/CRAG
CRAG (Corrective Retrieval Augmented Generation) ist ein quelloffenes Forschungs-Framework zur Verbesserung von RAG-Pipelines. Es bewertet die Qualität abgerufener Dokumente über einen leichtgewichtigen Evaluator und löst bei unzureichenden Ergebnissen alternative Aktionen wie Websuchen oder Informationsfilterung aus.
469SternePython
Repository:OpenSPG/KAG
KAG (Knowledge Augmented Generation) ist ein Open-Source-Framework, das Large Language Models mit der OpenSPG-Engine kombiniert. Es soll klassische RAG-Vektorsuchen und OpenIE-basierte GraphRAG-Ansätze bei komplexen, domänenspezifischen Abfragen übertreffen.
9039SternePython
Repository:OSU-NLP-Group/HippoRAG
HippoRAG (mittlerweile in Version 2) ist ein Open-Source-Framework für Large Language Models, das durch Wissensgraphen und Personalized PageRank Verbindungen zwischen externen Dokumenten knüpft und an das menschliche Langzeitgedächtnis angelehnt ist.
3980SternePython
Repository:parthsarthi03/raptor
RAPTOR (Recursive Abstractive Processing for Tree-Organized Retrieval) ist die offizielle Python-Implementierung eines RAG-Ansatzes, der Dokumente in rekursiven Baumstrukturen organisiert. Dadurch wird kontextbezogenes Retrieval über lange Texte hinweg ermöglicht.
1752SternePython
Repository:hhhuang/CAG
Das Open-Source-Repository CAG stellt Cache-Augmented Generation als schlanke Alternative zu Retrieval-Augmented Generation (RAG) vor. Statt Dokumente zur Laufzeit über Vektordatenbanken abzurufen, wird der gesamte Wissensbestand vorab in das Kontextfenster geladen und als KV-Cache vorgehalten.
1540SternePython
Repository:ShenSeanChen/launch-agentic-rag
Ein Open-Source-Repository zeigt eine Referenzimplementierung für Agentic RAG auf Basis von FastAPI. Das System erweitert traditionelle Retrieval-Pipelines um autonome Reasoning-Schritte und Tool-Aufrufe wie Kalenderbuchungen und E-Mail-Versand.
43SternePython
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
