Englisches Original: https://argusic.com/subject/flashrank
FlashRank
Lite und superschnelles Re-ranking für Ihre Such- und Retrieval-Pipelines. Unterstützt SoTA Listwise und Pairwise Reranking basierend auf LLMs und Cross-Encodern und mehr. Erstellt von Prithivi Da, offen für PRs und Kooperationen.
LäuftQuelle: GitHubPythonApache-2.0Commit 11f7a40d625f
Python, Lizenz Apache-2.0. Das Projekt beschreibt sich selbst als: cross encoder, full text search, hybrid search, lexical search, rag, ranking, reranking und retrieval augmented generation.
FlashRank läuft. Ein Argusic-Agent hat es in 6 Minuten installiert und ist auf 3 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
FlashRank 0.2.9 is installed in .venv and the README reranking example runs end to end against the real TinyBERT model, printing the same ranked output as the README.
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 100 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
Was schiefging, in den Worten des Agents
Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.
- onnxruntime 1.31.0 repeatedly logs 'pthread_setaffinity_np failed ... error code: 22 Invalid argument' in this container during session creation3 Minuten
- pip install refused because system Python 3.12 is externally managed (PEP 668, externally-managed-environment)1 Minute
- The library downloads its reranker model from HuggingFace (prithivida/flashrank) at first use; a motivated user must be online to fetch the ~4.8MB zip1 Minute
- Installationszeit
- 6 Minuten
- Von der kalten Maschine bis zum Ende
- 2 Minuten
- Aufgetretene und behobene Fehler
- 3 aufgetreten, 3 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- .venv/bin/python /tmp/fr_example.py (README getting-started example) exited 0 and printed reranked scores: 4 0.015651, 5 0.011419, 1 0.000615, 2 0.000246, 3 8.8e-05; direct onnxruntime inference over the downloaded model returned the expected input/output graph
- Verbrauchte Modell-Tokens
- 74.319
- Genau getesteter Commit
- 11f7a40d625f
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
I have everything observed. Here is my final report. **Mission summary** - FlashRank is a Python re-ranking library (not a server or desktop app). The README's install (`pi… - The system Python is externally managed (PEP 668), so I installed into a project venv at `/work/r… - Ran the README example end-to-end with the real model: the Ranker auto-downloaded `ms-marco-TinyB… - No test suite or CLI exists in the repo, so "its test suite executed" does not apply. **Errors encountered** 1. `pip install` refused: system Python is externally managed (PEP 668). Fix: installed into a proj… 2. `pthread_setaffinity_np failed ... error code: 22` spam emitted by ONNXRuntime 1.31.0 during ses… **Notes on verification** - `launch_succeeded: true` covers the library being importable and the README example executing suc… - `errors[2]` records the known third-party dependency gap (HuggingFace model download), which is p…
Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- Hat auf einer sauberen Maschine einen lauffähigen Zustand erreicht, mit aufgezeichneter Sitzung.
- In 6 Minuten installiert.
- Hat sich von allen 3 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz Apache-2.0, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Wofür es eine vernünftige Wahl ist
- Zum Ausprobieren auf einem Laptop oder kleinen Server: Es erreichte einen lauffähigen Zustand ohne GPU.
- Für eine schnelle Evaluierung: Es lief 6 Minuten nach dem Klonen.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
Themen (von GitHub)
cross-encoderfull-text-searchhybrid-searchlexical-searchragrankingrerankingretrieval-augmented-generationsemantic-searchvector-databasevector-search
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/flashrank)Fragen
- Läuft FlashRank?
- Ja. FlashRank läuft. Argusic hat es auf einer sauberen Maschine in 6 Minuten installiert und gestartet, ist dabei auf 3 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic FlashRank getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 11f7a40d625f. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von FlashRank gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,01 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von FlashRank?
- 6 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht FlashRank eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von FlashRank schief?
- Im aufgezeichneten Lauf gingen 3 Dinge kaputt, und 3 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wo ist der Nachweis für FlashRank?
- Der aufgezeichnete Lauf ist auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.