关于“在 Agent Platform 中使用 Gemini API 执行多模态检索增强生成 (RAG)”的评价

Ramya R. · 已于 11 days前审核

Deepika M. · 已于 11 days前审核

easy

Vinothkumar K. · 已于 11 days前审核

Kannaparamathma v. · 已于 11 days前审核

prischilla r. · 已于 11 days前审核

Vaishnavi.s G. · 已于 11 days前审核

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. · 已于 11 days前审核

Vaishnavi M. · 已于 11 days前审核

維均 蕭. · 已于 11 days前审核

David L. · 已于 11 days前审核

NA

Aditya Sanjay S. · 已于 12 days前审核

maulidya n. · 已于 12 days前审核

Vadym S. · 已于 12 days前审核

good

kiruthika s. · 已于 12 days前审核

Iyappan G. · 已于 12 days前审核

Gayathri L. · 已于 12 days前审核

Gomathi D. · 已于 12 days前审核

Siva M. · 已于 12 days前审核

Good Lab

Tubagus Z. · 已于 12 days前审核

Sirisha G. · 已于 12 days前审核

Carlos Guadalupe L. · 已于 12 days前审核

Sruthi V. · 已于 12 days前审核

`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. · 已于 12 days前审核

033 P. · 已于 13 days前审核

Shanmathi S. · 已于 13 days前审核