FactualAccuracyScorer
Bewertet die sachliche Genauigkeit des Ausgabetextes anhand des bereitgestellten Kontexts. Prüft, ob Aussagen mit den Fakten im Kontext übereinstimmen, und erkennt Ungenauigkeiten sowie unbelegte Behauptungen.
Übersicht
Bewertet die sachliche Genauigkeit des Ausgabetextes anhand des bereitgestellten Kontexts. Prüft, ob Aussagen mit den Fakten im Kontext übereinstimmen, und erkennt Ungenauigkeiten sowie unbelegte Behauptungen.
Anwendungsfälle
- RAG-basierte Frage-Antwort-Systeme
- Monitoring von Sicherheit und Compliance
- Halluzinationserkennung in generierten Inhalten
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
| Parameter | Typ | Erforderlich | Beschreibung |
|---|---|---|---|
| output_text | str | Ja | Answer to verify for factual accuracy |
| input_text | str | Nein | Original question |
| context | dict | str | list | Ja | Source of truth for verification |
Ausgabeschema
| Feld | Typ | Beschreibung |
|---|---|---|
| score | float | Factual accuracy score (0-10) |
| passed | bool | True if factually accurate |
| reasoning | str | Accuracy analysis |
| metadata.issues | list | Factual issues found |
| metadata.confidence | float | Verification confidence |
Score-Interpretation
Standardschwellenwert: 7/10
Verwandte Scorer
ClaimVerificationScorer
Extrahiert einzelne sachliche Behauptungen aus dem Ausgabetext und prüft jede davon anhand des Konte...
HalluzinationHallucinationDetectionScorer
Entdeckt Halluzinationen und faktische Unstimmigkeiten in generierten Antworten, indem es mit Quelld...
RAGFaithfulnessScorer
Misst, wie treu die generierte Antwort zum gegebenen Kontext ist. Kritische RAG-Metrik, die bewertet...
MehrfachkontextContextGroundednessScorer
Bewertet, wie gut eine Antwort durch den gegebenen Kontext gestützt ist. Prüft, ob Behauptungen auf ...
Häufig gestellte Fragen
Wann sollte ich diesen Scorer verwenden?
Verwenden Sie FactualAccuracyScorer, wenn Sie die Aspekte hallucination 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 Qualitätsaspekte, für die kein Vergleich mit einer Referenzantwort erforderlich ist. System-Prompt und Kontext dienen als implizite Ground Truth.
Kann ich den Schwellenwert anpassen?
Ja, der Standardschwellenwert von 7 lässt sich bei der Konfiguration des Scorers anpassen.
Kurzinfo
Möchten Sie FactualAccuracyScorer ausprobieren?
Starten Sie die Evaluierung Ihrer KI-Agenten mit der umfassenden Scorer-Bibliothek von Noveum.ai.
Weitere Scorer entdecken
Entdecken Sie 112 kalibrierte LLM-as-Judge-Scorer für umfassende KI-Evaluierungen