FAISS
「Local_Pdf_Chat_RAG」：結合 FAISS 與 BM25 的 Python 本地化混合檢索增強生成框架
Local_Pdf_Chat_RAG 是一個開源的本地化 RAG 框架，結合 FAISS 向量檢索與 BM25 關鍵字檢索，支援 Ollama、SiliconFlow 等模型，提供混合檢索、重排序與 Gradio UI，讓開發者快速建置高效問答系統，降低硬體與部署成本。
FAISS
深度分析
PixelRAG 透過視覺檢索取代文字解析：架構、訓練與實驗成果
研究指出傳統文字解析在企業RAG中損失關鍵訊號，PixelRAG直接以螢幕擷取圖像作檢索，提升準確度最高18%。此法亦大幅降低代幣成本。研究團隊來自加州大學柏克萊、普林斯頓與EPFL，測試30億截圖覆蓋全維基，六項基準皆優於文字RAG。顯示視覺檢索的潛力。
深度分析
小片段程式碼 ↔ 文本檢索突破：CodeBERT/GraphCodeBERT 與 FAISS 結合的 CAT 方法
語言模型同時處理程式碼與文字的需求提升，研究者提出雙向小粒度搜尋任務，打造包含三十萬對自動生成說明的資料集，並設計 CAT 模型共用編碼器預測答案起止。實驗在同領域測試中 F1 超過八成，顯示此技術可加速科研程式碼與說明的對應，並支援即時向量檢索。