Antwortqualität-ScorerLLM-as-Judge

AnswerCompletenessScorer

Bewertet die Vollständigkeit und Abdeckung von KI-generierten Antworten. Bewertet, ob die Antwort alle Aspekte der Frage behandelt und den verfügbaren Kontext effektiv nutzt.

Übersicht

Bewertet die Vollständigkeit und Abdeckung von KI-generierten Antworten. Bewertet, ob die Antwort alle Aspekte der Frage behandelt und den verfügbaren Kontext effektiv nutzt.

qualityragconversationalllm-judgetrace-evaluationcoveragethoroughness

Anwendungsfälle

  • RAG-basierte Frage-Antwort-Systeme
  • Qualitätsbewertung konversationeller KI

Funktionsweise

Dieser Scorer evaluiert Antworten mit LLM-as-Judge-Technologie. Ein großes Sprachmodell erhält konkrete Evaluierungskriterien und die zu bewertenden Inhalte. Anschließend wird sein Urteil analysiert, um einen Score und eine ausführliche Begründung zu erzeugen.

Eingabeschema

ParameterTypErforderlichBeschreibung
output_textstrJaAnswer to evaluate for completeness
input_textstrJaOriginal question
contextdict | str | listNeinAvailable context

Ausgabeschema

FeldTypBeschreibung
scorefloatCompleteness score (0-10)
passedboolTrue if complete
reasoningstrCoverage analysis
metadata.covered_aspectslistAspects addressed
metadata.missing_aspectslistAspects missing

Score-Interpretation

Standardschwellenwert: 7/10

9-10AusgezeichnetDie Antwort erfüllt alle Evaluierungskriterien vollständig
7-8GutDie Antwort erfüllt die meisten Kriterien mit geringfügigen Mängeln
5-6AusreichendDie Antwort erfüllt die Kriterien teilweise und muss verbessert werden
3-4SchwachDie Antwort weist erhebliche Mängel auf
0-2Nicht bestandenDie Antwort erfüllt die grundlegenden Kriterien nicht

Häufig gestellte Fragen

Wann sollte ich diesen Scorer verwenden?

Verwenden Sie AnswerCompletenessScorer, wenn Sie die Aspekte quality and rag Ihrer KI-Ausgaben evaluieren möchten. Der Scorer eignet sich besonders für rag-basierte frage-antwort-systeme.

Warum benötigt dieser Scorer keine erwartete Ausgabe?

Dieser Scorer evaluiert ohne Referenzantwort anhand der konkreten Eingabefelder seines Schemas. Diese Felder sind Belege für die Prüfung; sie gelten nicht automatisch als faktische Ground Truth.

Kann ich den Schwellenwert anpassen?

Der angezeigte Standardschwellenwert dieses Scorers ist 7. Wenn die Konfiguration des Evaluierungsauftrags einen Schwellenwert bereitstellt, prüfen Sie ihn vor dem Speichern anhand der nativen Skala des Scorers. Die gespeicherte Bestanden-Entscheidung verwendet diese scorerspezifische Konfiguration.

Kurzinfo

KategorieAntwortqualität
EvaluierungstypLLM-as-Judge
Erwartete Ausgabe erforderlichNein
Standardschwellenwert7/10

Möchten Sie AnswerCompletenessScorer ausprobieren?

Starten Sie die Evaluierung Ihrer KI-Agenten mit der umfassenden Scorer-Bibliothek von Noveum.ai.

Weitere Scorer entdecken

Entdecken Sie 112 veröffentlichte Scorer in 15 Kategorien: 82 Premium-, 30 kostenlose, 76 modellgestützte sowie 36 dedizierte Sprach- und Audio-Scorer