A estrutura do Agente RAG Controlável fornece uma abordagem modular para construir sistemas de Geração Aumentada por Recuperação. Permite configurar e encadear componentes de recuperação, módulos de memória e estratégias de geração. Desenvolvedores podem conectar diferentes LLMs, bancos de dados vetoriais e controladores de políticas para ajustar como os documentos são recuperados e processados antes da geração. Construído em Python, inclui utilitários para indexação, consulta, rastreamento do histórico de conversação e fluxos de controle baseados em ações, tornando-o ideal para chatbots, assistentes de conhecimento e ferramentas de pesquisa.

Captum é uma biblioteca extensível que fornece implementações de uso geral para interpretabilidade de modelos no PyTorch. O objetivo é desmistificar modelos complicados de aprendizado de máquina oferecendo vários algoritmos para analisar e compreender previsões de modelos. Captum inclui uma variedade de métodos, como ablação de características, gradientes integrados e outros, que ajudam pesquisadores e desenvolvedores a entender e melhorar seus modelos.