RAG-FiT 是模型训练领域的开源项目，由 IntelLabs 开发，2024 年首次发布。
它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 768。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-15。Apache-2.0许可，完全免费，可自行部署使用。
它主要面向的使用场景是：开放域问答系统优化。同类可对比的替代方案包括 LlamaIndex、LangChain、Haystack。
RAG-FiT
让大模型更懂检索结果，微调提升 RAG 问答准确率
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。
开源
free
搜索知识
GitHub 星标
★ 768
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类搜索知识
开发团队IntelLabs
所属国家
定价模式free
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
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★ 768
30天Star增速
HF 下载量
上线时间2024-07-23 00:00:00
最近更新2026-09-15 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4
使用教程
核心亮点
- 针对 RAG 任务定制微调流程，而非通用微调，效果更聚焦
- 提供数据增强策略，提升检索片段利用率
- 与主流检索组件集成，上手门槛低
不足之处
- 早期项目，文档和社区支持待观察
- 依赖特定微调框架，灵活性可能受限
适用场景
- 开放域问答系统优化
- 企业知识库智能问答
- 对话式搜索增强
替代项目
LlamaIndex、LangChain、Haystack
项目介绍
上一篇：contrastors
下一篇：AnglE
同类项目推荐
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···