Opiniones sobre Generación mejorada por recuperación (RAG) multimodal con la API de Gemini en Agent Platform

Ramya R. · Se revisó hace 11 días

Deepika M. · Se revisó hace 11 días

easy

Vinothkumar K. · Se revisó hace 11 días

Kannaparamathma v. · Se revisó hace 11 días

prischilla r. · Se revisó hace 11 días

Vaishnavi.s G. · Se revisó hace 11 días

utils/intro_multimodal_rag_utils.pyにてバグがあり、get_similar_text_from_queryが実行できなかった。

実歩 藤. · Se revisó hace 11 días

Vaishnavi M. · Se revisó hace 11 días

維均 蕭. · Se revisó hace 11 días

David L. · Se revisó hace 11 días

NA

Aditya Sanjay S. · Se revisó hace 12 días

maulidya n. · Se revisó hace 12 días

Vadym S. · Se revisó hace 12 días

good

kiruthika s. · Se revisó hace 12 días

Iyappan G. · Se revisó hace 12 días

Gayathri L. · Se revisó hace 12 días

Gomathi D. · Se revisó hace 12 días

Siva M. · Se revisó hace 12 días

Good Lab

Tubagus Z. · Se revisó hace 12 días

Sirisha G. · Se revisó hace 12 días

Carlos Guadalupe L. · Se revisó hace 12 días

Sruthi V. · Se revisó hace 12 días

`get_cosine_score` in intro_multimodal_rag_utils.py needs to be updated to: ''' def get_cosine_score( dataframe: pd.DataFrame, column_name: str, input_text_embed: np.ndarray ) -> float: """ Calculates the cosine similarity between the user query embedding and the dataframe embedding for a specific column. Args: dataframe: The pandas DataFrame containing the data to compare against. column_name: The name of the column containing the embeddings to compare with. input_text_embed: The NumPy array representing the user query embedding. Returns: The cosine similarity score (rounded to two decimal places) between the user query embedding and the dataframe embedding. """ return round(np.dot(dataframe[column_name], input_text_embed), 2) '''

Israel U. · Se revisó hace 12 días

033 P. · Se revisó hace 13 días

Shanmathi S. · Se revisó hace 13 días