Denser Retriever
Denser Retriever是一个企业级AI检索器，支持关键词搜索、向量搜索和机器学习模型重排，旨在简化应用程序集成并确保高精确度。在MTEB检索基准测试上达到最先进性能，适用于构建RAG应用和聊天机器人。
• Copy the embed code to showcase this product on your website
• Share on X to spread the word about this amazing tool
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。