【开源自荐】Denser Retriever: 企业级AI检索器,构建自己专属的RAG应用和聊天机器人🤖

[zhiheng-huang]

你是否还在苦恼大型语言模型的「幻觉」问题？是否希望构建自己网站或者自己需求专属的聊天机器人？是否正在寻找简单易用且准确性高的RAG模型？ Denser Retriever 这款工具帮到你！

• 官方文档：https://retriever.denser.ai/
• GitHub地址：https://github.com/denser-org/denser-retriever

产品简介

Denser Retriever是一个企业级AI检索器，旨在简化应用程序的集成，确保精确度。

亮点速览

• 支持关键词搜索、向量搜索和机器学习模型重排等异构检索器
• 利用xgboost机器学习技术有效结合异构检索器
• 在MTEB检索基准测试上达到最先进的精确度
• 展示如何使用Denser检索器为聊天机器人和语义搜索等端到端应用提供动力
• 提供了详细的开发文档和安装指南

表现评估

我们在MTEB数据集上的实验表明，通过xgboost模型（记作ES+VS+RR_n）将关键词搜索、向量搜索和重排序器结合，可以显著提升向量搜索（VS）的基线（snowflake-arctic-embed-m模型, 在MTEB/BEIR排行榜达到了最先进的性能）。ES+VS+RR_n模型在15个MTEB数据集上达到了最高的NDCG@10得分56.47，相比snowflake模型（NDCG@10得分54.24）绝对提升了2.23，相对提升了4.11%。在广泛认可的MSMARCO基准数据集上，ES+VS+RR_n模型将snowflake模型的NDCG@10得分从41.77提升到47.23，带来了13.07%的相对提升。

[Wechat-ggGitHub]

我先在逛逛 github 公众号上，帮您推荐一下。后续整理到 readme 中。 预计 7.18 推文

[zhiheng-huang]

Thanks @Wechat-ggGitHub 👍