工具概覽
ResearchRAG 是一個端到端的檢索增強生成（RAG）系統，用於回答針對科學論文的問題。它使用 BGE 嵌入和 FAISS 檢索語義相關的論文段落，然後生成帶內聯引用、有依據的答案。該系統是作為作品集專案構建的，用來演示一套實用的 RAG 工作流，涵蓋文件攝取、文本處理、向量搜尋、來源歸屬和檢索評估。架構包括：從 arXiv 下載論文，解析並清理 PDF 文本，將文件按 token 切分成塊，用 BAAI/bge-small-en-v1.5 做嵌入，用 FAISS 建立索引，檢索候選片段，在論文層面去重，構建有依據的提示詞，用 Gemini 生成答案，以及校驗引用。它包含一個小型帶標註的檢索冒煙測試集，用 Hit@5 和平均倒數排名（MRR）評估。
定價
價格與限制可能變動，請以官網為準，並確認幣別、付款週期、最低席位數和用量上限。
應用場景
- 研究人員用 ResearchRAG 針對科學論文提問，並獲得帶內聯引用的答案。
- 開發者用 ResearchRAG 從 arXiv 下載科學論文，同時保留後設資料。
- 資料科學家用 ResearchRAG 解析並清理 PDF 文本、移除參考文獻部分，並把文件切分成有重疊的 token 塊。
- 工程師用 ResearchRAG 用 BGE 嵌入構建 FAISS 索引，用於語義檢索。
- 分析師用 ResearchRAG 用 Hit@5 和平均倒數排名（MRR）評估檢索效能。
- 團隊用 ResearchRAG 生成有依據的答案，避免無依據的斷言，並包含內聯引用。
- 使用者用 ResearchRAG 在顯示來源之前，對照檢索到的上下文校驗生成的引用識別符號。
功能特色
回答科學論文相關問題
使用 BGE 生成文本嵌入
通過 FAISS 檢索相關內容
使用 Gemini 生成回答
驗證回答中的引用
評估檢索效果
使用者評論
還沒有評論，來分享你的使用體驗吧