Fetebird revoluciona la calificación de tareas aprovechando el poder de la API de Gemini(gemini-1.5-flash-001) y una arquitectura de generación mejorada por recuperación (RAG). Esto optimiza el proceso de evaluación y les proporciona a los educadores estadísticas valiosas sobre la comprensión de los estudiantes, a la vez que mantiene la flexibilidad y la adaptabilidad. Funcionalidad principal Base de datos de respuestas de referencia: En esencia, Fetebird mantiene una base de datos de respuestas de referencia verificadas, cada una vectorizada para una comparación eficiente. Inicialmente, esta base de datos puede contener solo la solución del profesor, pero se expande de forma dinámica a medida que se revisan y aprueban más envíos de los estudiantes. Integración de la API de Gemini: La app aprovecha la API de Gemini (gemini-1.5-flash-001) y la biblioteca de Java Langchain4j para interactuar con un modelo de lenguaje extenso. Esto permite que Fetebird realice evaluaciones complejas y proporcione comentarios detallados. Arquitectura de RAG: Cuando un profesor inicia una evaluación de IA, Fetebird emplea una arquitectura de RAG. Recupera respuestas de referencia relevantes de la base de datos y las presenta al modelo de Gemini junto con el envío del estudiante. Ingeniería de instrucciones: Las instrucciones del sistema y del usuario, elaboradas con cuidado, guían la evaluación del modelo. Considera las respuestas de referencia y el trabajo del estudiante para proporcionar comentarios integrales, en los que se destaquen las fortalezas, las debilidades y las áreas de mejora.
Con la tecnología de
Web/Chrome
Equipo
De
Fetebird
De
Australia
[[["Fácil de comprender","easyToUnderstand","thumb-up"],["Resolvió mi problema","solvedMyProblem","thumb-up"],["Otro","otherUp","thumb-up"]],[["Falta la información que necesito","missingTheInformationINeed","thumb-down"],["Muy complicado o demasiados pasos","tooComplicatedTooManySteps","thumb-down"],["Desactualizado","outOfDate","thumb-down"],["Problema de traducción","translationIssue","thumb-down"],["Problema con las muestras o los códigos","samplesCodeIssue","thumb-down"],["Otro","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)"]]