Fetebird জেমিনি API(gemini-1.5-flash-001) এবং একটি Retrieval Augmented Generation (RAG) আর্কিটেকচারের শক্তি ব্যবহার করে অ্যাসাইনমেন্ট গ্রেডিংয়ে বিপ্লব ঘটায়। এটি মূল্যায়ন প্রক্রিয়াকে স্ট্রীমলাইন করে, নমনীয়তা এবং অভিযোজনযোগ্যতা বজায় রেখে শিক্ষাবিদদের শিক্ষার্থীদের বোঝার জন্য মূল্যবান অন্তর্দৃষ্টি প্রদান করে। মূল কার্যকারিতা রেফারেন্স উত্তর ডেটাবেস - এর হৃদয়ে, ফেটেবার্ড যাচাইকৃত রেফারেন্স উত্তরগুলির একটি ডাটাবেস বজায় রাখে, প্রতিটি দক্ষ তুলনার জন্য ভেক্টরাইজ করা হয়। প্রাথমিকভাবে, এই ডাটাবেসটিতে শুধুমাত্র শিক্ষকের সমাধান থাকতে পারে, তবে এটি গতিশীলভাবে প্রসারিত হয় কারণ আরও শিক্ষার্থী জমা পর্যালোচনা এবং অনুমোদিত হয়। Gemini API ইন্টিগ্রেশন - অ্যাপটি জেমিনি API (gemini-1.5-flash-001) এবং Langchain4j Java লাইব্রেরি ব্যবহার করে একটি বৃহৎ ভাষার মডেলের সাথে ইন্টারঅ্যাক্ট করতে। এটি Fetebird কে জটিল মূল্যায়ন করতে এবং বিস্তারিত প্রতিক্রিয়া প্রদান করতে সক্ষম করে। RAG আর্কিটেকচার - যখন একজন অধ্যাপক একটি AI মূল্যায়ন শুরু করেন, Fetebird একটি RAG আর্কিটেকচার নিয়োগ করে। এটি ডাটাবেস থেকে প্রাসঙ্গিক রেফারেন্স উত্তরগুলি পুনরুদ্ধার করে এবং ছাত্রদের জমা দেওয়ার পাশাপাশি জেমিনি মডেলের কাছে উপস্থাপন করে। প্রম্পট ইঞ্জিনিয়ারিং: সাবধানে তৈরি করা সিস্টেম এবং ব্যবহারকারীর প্রম্পটগুলি মডেলের মূল্যায়নকে গাইড করে। এটি রেফারেন্স উত্তর এবং ছাত্রের কাজকে ব্যাপক প্রতিক্রিয়া প্রদান, শক্তি, দুর্বলতা এবং উন্নতির ক্ষেত্রগুলিকে হাইলাইট করার জন্য বিবেচনা করে।
দিয়ে নির্মিত
ওয়েব/ক্রোম
দল
দ্বারা
ফেটেবার্ড
থেকে
অস্ট্রেলিয়া
[[["সহজে বোঝা যায়","easyToUnderstand","thumb-up"],["আমার সমস্যার সমাধান হয়েছে","solvedMyProblem","thumb-up"],["অন্যান্য","otherUp","thumb-up"]],[["এতে আমার প্রয়োজনীয় তথ্য নেই","missingTheInformationINeed","thumb-down"],["খুব জটিল / অনেক ধাপ","tooComplicatedTooManySteps","thumb-down"],["পুরনো","outOfDate","thumb-down"],["অনুবাদ সংক্রান্ত সমস্যা","translationIssue","thumb-down"],["নমুনা / কোড সংক্রান্ত সমস্যা","samplesCodeIssue","thumb-down"],["অন্যান্য","otherDown","thumb-down"]],[],[],[],null,["# Fetebird\n\n[More Apps](/competition/vote) \n\nFetebird\n========\n\nUltimate solution for University \nVote \nVoted!\nWhat it does\n\nFetebird revolutionizes assignment grading by harnessing the power of the Gemini API(gemini-1.5-flash-001) and a Retrieval Augmented Generation (RAG) architecture. It streamlines the evaluation process, providing educators with valuable insights into student understanding while maintaining flexibility and adaptability. \nCore Functionality \nReference Answer Database - At its heart, Fetebird maintains a database of verified reference answers, each vectorized for efficient comparison. Initially, this database may contain only the teacher's solution, but it expands dynamically as more student submissions are reviewed and approved. \nGemini API Integration - The app leverages the Gemini API (gemini-1.5-flash-001) and the Langchain4j Java library to interact with a large language model. This enables Fetebird to perform complex evaluations and provide detailed feedback. \nRAG Architecture - When a professor initiates an AI evaluation, Fetebird employs a RAG architecture. It retrieves relevant reference answers from the database and presents them to the Gemini model alongside the student's submission. \nPrompt Engineering: Carefully crafted system and user prompts guide the model's evaluation. It considers the reference answers and the student's work to provide comprehensive feedback, highlighting strengths, weaknesses, and areas for improvement. \nBuilt with\n\n- Web/Chrome \nTeam \nBy\n\nFetebird \nFrom\n\nAustralia \n[](/competition/vote)"]]
