Original en anglais: https://argusic.com/subject/flashrank
FlashRank
Reclassement léger et ultra-rapide pour vos pipelines de recherche et de récupération. Prend en charge le reclassement Listwise et Pairwise SoTA basé sur les LLM et les cross-encoders, et plus encore. Créé par Prithivi Da, ouvert aux PRs et collaborations.
Fonctionnesource : GitHubPythonApache-2.0commit 11f7a40d625f
Python, sous licence Apache-2.0. Le projet se décrit ainsi : cross encoder, full text search, hybrid search, lexical search, rag, ranking, reranking et retrieval augmented generation.
FlashRank fonctionne. Un agent Argusic l'a installé en 6 minutes et a rencontré 3 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
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.
Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré
Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 100 sur 100 (la moyenne des scores des exécutions de ce projet).
En un coup d'œil
Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le . Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.
Ce qui a été mesuré
Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.
Ce qui s'est mal passé, dans les mots de l'agent
Les propres mots de l'agent, le plus grave en premier, jamais réécrits en conseils.
- onnxruntime 1.31.0 repeatedly logs 'pthread_setaffinity_np failed ... error code: 22 Invalid argument' in this container during session creation3 minutes
- 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
- Temps d'installation
- 6 minutes
- De la machine vierge à la fin
- 2 minutes
- Erreurs rencontrées et corrigées
- 3 rencontrées, 3 corrigées sans aide humaine
- Comment le résultat a été prouvé
- .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
- Tokens de modèle utilisés
- 74 319
- Commit exact testé
- 11f7a40d625f
- Image de conteneur
- sha256:cdd920bce783
Ce qui n'a pas été mesuré
L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.
- Pic de mémoire GPU
- cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
- Comportement sur une longue durée
- chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge
La fin de l'enregistrement
Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.
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…
Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.
Comment le test a été mené
Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.
Points forts et limites
Des faits mesurés, pas des opinions. Comment ce site est rédigé.
Ce qui s'est bien passé
- A atteint un état de fonctionnement sur une machine propre, avec la session enregistrée.
- Installé en 6 minutes.
- S'est remis des 3 erreurs sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
- A fonctionné sans GPU, il n'en a donc pas besoin pour démarrer.
- Sous licence Apache-2.0, selon son hébergeur.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- Mesuré une seule fois jusqu'ici. Une seule tentative montre qu'il peut fonctionner, pas qu'il fonctionne de façon fiable.
Pour quoi c'est un choix raisonnable
- L'essayer sur un ordinateur portable ou un petit serveur : il a atteint un état de fonctionnement sans GPU.
- Une évaluation rapide : il fonctionnait 6 minutes après le clone.
Également testés, dans le même domaine
Chacun de ces projets a été installé et exécuté par Argusic sur une machine propre. Rien n'apparaît ici sans avoir été testé.
Historique des exécutions
| testé par | tentative | résultat | score | coût USD | date |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Fonctionne | 100,00 | 0,01 |
Sujets (depuis GitHub)
cross-encoderfull-text-searchhybrid-searchlexical-searchragrankingrerankingretrieval-augmented-generationsemantic-searchvector-databasevector-search
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/flashrank)Questions
- FlashRank fonctionne-t-il ?
- Oui. FlashRank fonctionne. Argusic l'a installé et lancé sur une machine propre en 6 minutes, en rencontrant 3 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé FlashRank ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 11f7a40d625f. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de FlashRank ?
- L'exécution qui a produit ce verdict a coûté 0,01 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
- Combien de temps faut-il pour installer FlashRank ?
- 6 minutes lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
- FlashRank a-t-il besoin d'un GPU ?
- Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
- Qu'est-ce qui pose problème lors de l'installation de FlashRank ?
- 3 problèmes sont survenus lors de l'exécution enregistrée, et 3 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Où sont les preuves pour FlashRank ?
- L'exécution enregistrée se trouve sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.