yixuantt/MultiHop-RAG

Что это?

Ключевые возможности

• 01Содержит 2 556 запросов, для ответа на которые нужны свидетельства из 2–4 документов
• 02В запросах используются метаданные документов, отражающие реальные сценарии RAG
• 03Включает примеры скриптов для поиска с опциональным reranking
• 04Предоставляет пример скрипта QA с использованием Llama
• 05Содержит скрипты для оценки результатов поиска и QA

Сценарии использования

• Сравнение качества поиска embedding-моделей на вопросах по нескольким документам
• Проверка способности LLM рассуждать на основе нескольких найденных источников
• Сравнение RAG-конвейеров с фильтрацией по метаданным или reranking

Быстрый старт

1. 1

   Установите зависимость llama-index

   pip install llama-index==0.9.40
2. 2

   Запустите простой пример поиска

   python simple_retrieval.py --retriever BAAI/llm-embedder
3. 3

   Запустите пример QA с llama

   python qa_llama.py

Что важно знать

• !Это проект набора данных, а не самостоятельный программный инструмент; код его создания не упорядочен и предоставлен только для справки.
• !В метаданных репозитория не указана лицензия на программное обеспечение; в README упоминается лицензия на данные ODC-BY.

В подборках

Темы

Частые вопросы

Что такое MultiHop-RAG?

Набор данных для QA: 2 556 многопереходных запросов для оценки RAG по нескольким документам с метаданными. MultiHop-RAG — это бенчмарк для проверки того, насколько хорошо системы retrieval-augmented generation (RAG) справляются с вопросами, для ответа на которые нужно объединить свидетельства из нескольких документов. В набор входят 2 556 запросов, а подтверждающие свидетельства для каждого из них распределены по 2–4 документам.

MultiHop-RAG можно использовать бесплатно? Какая у него лицензия?

У MultiHop-RAG не указана лицензия. Код открыт, но без лицензии нет явного разрешения на его использование — уточните у автора, прежде чем на него полагаться.

MultiHop-RAG всё ещё поддерживается?

Обновлялся за последние 6 месяцев. Последний коммит в MultiHop-RAG — 16 сент. 2026 г..

Для чего можно использовать MultiHop-RAG?

Сравнение качества поиска embedding-моделей на вопросах по нескольким документам Проверка способности LLM рассуждать на основе нескольких найденных источников Сравнение RAG-конвейеров с фильтрацией по метаданным или reranking

Как установить MultiHop-RAG?

Установите зависимость llama-index: pip install llama-index==0.9.40 Запустите простой пример поиска: python simple_retrieval.py --retriever BAAI/llm-embedder Запустите пример QA с llama: python qa_llama.py

Где скачать MultiHop-RAG?

Исходный код и инструкции по установке — на GitHub: https://github.com/yixuantt/MultiHop-RAG