RAGFlow añade soporte para datasets en checo y eslovaco
El PR #19013 de infiniflow/ragflow añade soporte para datasets en eslovaco y checo. Según la descripción, el tokenizador actual solo conserva las secuencias de letras ASCII, así que las palabras con tildes o diacríticos se fragmentan antes de indexarse (por ejemplo, «škola» se convierte en «š kola») y la vía por palabras clave de la búsqueda híbrida no encuentra coincidencias. Además, ninguno de los dos idiomas tiene stemmer Snowball, por lo que el analizador hereda el stemmer del dataset procesado anteriormente.
Fuentes
- GitHub infiniflow/ragflowinfiniflow/ragflow: dev-20261015: Add Slovak & Czech language dataset support (#19013)