开发者开源 27.5 万份印度政府文件，RAG 即插即用
malliktwts · x · 2026-10-01
开发者 @kingofknowwhere 发布了一个开源数据集：从 1.5 万个印度政府网站解析出的 27.5 万份公开文件（32.2 万份官方 PDF），覆盖 128 个主题。数据提供原始与清洗后两个版本，格式包括 CSV、Parquet 和 SQLite，至少 5 万页内容可用，可直接接入任意 RAG 框架。
- 无许可证、无积分要求，鼓励开发者构建印度政府文档聊天机器人
- 作者称月底将扩充至 2000 万份文档，抓取流程在 JarvisLabs 上自主运行
「研究」频道最新
- RAG 已死？0.6B 小模型 BlockSearch 挑战百万 token 检索 — CShorten30 · 2026-10-01
- 让模型「愿对评估者说实话」的 eval-cooperative 训练获奖 — dhadfieldmenell · 2026-10-01
- 0.8B 小模型加 9 个 LoRA,agent 决策快 38 倍且更准 — Usual_Maximum7673 · 2026-10-01
- 首个 AI 发现的抗癌药物宣告见效 — theimposingshadow · 2026-10-01
- NeurIPS 新基准 MedKIT:LLM 记住新知识≠真正会用 — zeynepakata · 2026-10-01
- 作者回应:SynthID Bio 水印仅测于 AlphaFold 3 但有望泛化 — davidstutz92 · 2026-10-01