RAG-FiT

让大模型更懂检索结果，微调提升 RAG 问答准确率

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署搜索知识 🍴 复刻 61 🐛 待处理 2 👀 关注 7 ⚠️ 作者已归档（停止维护）

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 765

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源框架，Apache-2.0许可，完全免费，可自行部署使用。

项目预览

项目数据

分类搜索知识

开发团队IntelLabs

官网地址https://intellabs.github.io/RAG-FiT

GitHubhttps://github.com/IntelLabs/RAG-FiT

定价模式🏷️完全免费

价格说明开源框架，Apache-2.0许可，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型evaluation,fine-tuning,information-retrieval,llm,nlp,question-answering,rag,semantic-search

GitHub 星标★ 765

上线时间2024-07-23 00:00:00

代码更新2026-10-15

仓库体积979 KB

本站数据更新2026-11-09

维护状态较活跃

收录时间2026-08-09

浏览次数6

项目介绍

RAG-FiT 是一个用于增强大语言模型在检索增强生成（RAG）任务中表现的微调框架。它解决了通用微调方法未针对 RAG 场景优化、导致模型在检索上下文利用和答案生成上效果不佳的问题。核心能力包括：提供一套完整的微调流程，支持对 LLM 进行指令微调以适配 RAG 任务；内置多种数据增强策略，能有效利用检索到的文档片段；支持与主流向量数据库和检索器集成，简化 RAG 流水线的构建。该框架旨在让开发者通过简单的配置和训练脚本，快速提升模型在开放域问答、知识密集型对话等场景下的准确性和相关性。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 765

技术标签

evaluation fine-tuning information-retrieval llm nlp

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 40 分钟部署方式：本地安装 4 步

环境要求

Python 3.10+
向量库（按配置）

安装与启动步骤

1克隆

为 RAG 场景造训练数据的库。

git clone https://github.com/IntelLabs/RAG-FiT.git
cd RAG-FiT

2装本体

可编辑安装。
```
pip install -e .
```
3按需装集成

接 Haystack 或 DeepEval 再加对应 extra。
```
pip install -e .[haystack]
```
4跑一次数据处理

配置用 hydra，先跑论文里的配置。
```
python processing -cp configs/paper -cn processing-asqa-retrieval
```