面向 AI 应用的开源数据基础设施,用于存储文档与向量并支持语义、混合及全文检索。
SakanaAI/QD-Rec
QD-Rec 的研究代码,基于质量-多样性方法,演化item-假设配对档案以生成多样化推荐。
- Star
- 13
- Fork
- 0
- 未关闭 Issue
- 0
- 最近提交
- 前天
这是什么?
QD-Rec 是一篇研究论文中推荐方法的参考实现。它维护一个档案库,每条记录由固定候选池中的一个条目和一段解释推荐理由的自然语言假设组成。新记录按照“新颖性优先”的规则入库,并与相近条目局部竞争;条目选择则使用考虑多样性的上下文多臂老虎机。
仓库内附四个示例应用:基于公开人物画像寻找潜在客户、从 Goodreads 儿童书籍子集中推荐图书、从顶会论文列表中发现相关论文,以及从公司数据表中识别并购目标。每个应用都提供数据下载、向量化和初始化脚本,并带有可在浏览器中查看档案的仪表盘。所有模型均通过 OpenRouter 调用,一个 API 密钥即可覆盖生成、评判和向量化。
项目还包含论文对比实验中使用的 Novelty 与 Novelty+Evo 消融方法。开发者只需提供一组带文本的候选条目和推荐目标画像,就能将其应用到自己的场景中。
核心功能
- 01维护 item-假设配对档案,按新颖性优先入库并进行局部竞争。
- 02使用考虑多样性的上下文多臂老虎机选择条目。
- 03内置客户、图书、论文和并购目标四个示例领域。
- 04所有模型(生成、评判与向量化)均通过 OpenRouter 调用,只需一个 API 密钥。
- 05提供浏览器仪表盘,用于查看保存的档案。
- 06包含 Novelty 与 Novelty+Evo 消融方法,便于对比实验。
适用场景
- 研究人员复现或扩展 QD-Rec 论文中的实验。
- 团队基于固定物品目录,用 LLM 生成推荐理由,原型验证多样化推荐。
- 通过描述研究兴趣的画像,检索相关学术论文。
- 将流程迁移到自有的、物品以文本描述的业务场景中。
快速上手
- 1
使用 uv 安装依赖
uv sync - 2
创建 .env 文件并填入 OPENROUTER_API_KEY
cp .env.example .env - 3
下载人物数据,然后按 README 中的命令创建嵌入并初始化档案
- 4
在 Customers 领域上运行 QD-Rec 进行 100 次评估
uv run python -m apps.customers.qd_rec --profile SkillForge --iterations 100
使用前须知
- 所有模型调用都通过 OpenRouter 进行,因此运行需要付费的 API 密钥。
- 这是随论文发布的研究代码,因此其安装和使用体验可能不如打包成熟的工具完善。
标签
常见问题
- QD-Rec 是什么?
- QD-Rec 的研究代码,基于质量-多样性方法,演化item-假设配对档案以生成多样化推荐。 QD-Rec 是一篇研究论文中推荐方法的参考实现。它维护一个档案库,每条记录由固定候选池中的一个条目和一段解释推荐理由的自然语言假设组成。新记录按照“新颖性优先”的规则入库,并与相近条目局部竞争;条目选择则使用考虑多样性的上下文多臂老虎机。
- QD-Rec 可以免费使用吗?用的什么许可证?
- QD-Rec 以 Apache-2.0 许可证开源。用于商业产品前,请先确认许可证条款。
- QD-Rec 还在维护吗?
- 活跃维护中。QD-Rec 最近一次提交是在 2026年10月19日。
- QD-Rec 适合用来做什么?
- 研究人员复现或扩展 QD-Rec 论文中的实验。 团队基于固定物品目录,用 LLM 生成推荐理由,原型验证多样化推荐。 通过描述研究兴趣的画像,检索相关学术论文。 将流程迁移到自有的、物品以文本描述的业务场景中。
- QD-Rec 怎么安装和运行?
- 使用 uv 安装依赖: uv sync 创建 .env 文件并填入 OPENROUTER_API_KEY: cp .env.example .env 下载人物数据,然后按 README 中的命令创建嵌入并初始化档案 在 Customers 领域上运行 QD-Rec 进行 100 次评估: uv run python -m apps.customers.qd_rec --profile SkillForge --iterations 100
- 在哪里获取 QD-Rec?
- 源代码和安装说明在 GitHub 上:https://github.com/SakanaAI/QD-Rec
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
微软开源的 LLM 智能体框架,自动化数据驱动的研发流程,包括论文复现、模型与因子实现和 Kaggle 式实验。
一个命令行工具和 Python 库,用于调用远程及本地部署的大语言模型运行提示词和对话。
北京智源推出的检索工具包,提供 BGE 向量模型与重排序模型,并包含微调、评测和教程,用于搜索与 RAG。
Ollama 官方 Python 客户端库,用于调用本地与云端模型的对话、生成、向量嵌入等接口。
面向科学文献的智能体 RAG 工具,基于 PDF 等文档回答问题并附带文内引用。