Agent-ScorerLLM-as-Judge

ToolCorrectnessScorer

Bewertet, ob Tools gemäß den Vorgaben korrekt eingesetzt wurden. Überprüft die richtigen Parametertypen, erforderliche Felder und gültige Wertbereiche. Vergleicht tatsächliche Tool-Aufrufe mit erwarteten Tool-Aufrufmustern.

Übersicht

Bewertet, ob Tools gemäß den Vorgaben korrekt eingesetzt wurden. Überprüft die richtigen Parametertypen, erforderliche Felder und gültige Wertbereiche. Vergleicht tatsächliche Tool-Aufrufe mit erwarteten Tool-Aufrufmustern.

agenttool-usagellm-judgetrace-evaluationvalidation

Anwendungsfälle

  • Evaluierung autonomer KI-Agenten

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
agent_data.expected_tool_callToolCall | strJaThe expected tool call to compare against
agent_data.tool_callslist[ToolCall] | strJaList of tool calls made by the agent

Ausgabeschema

FeldTypBeschreibung
scorefloatScore (0-10 scale)
passedboolTrue if score meets threshold
reasoningstrDetailed evaluation explanation
metadatadictScorer-specific details

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 ToolCorrectnessScorer, wenn Sie die Aspekte agent and tool-usage Ihrer KI-Ausgaben evaluieren möchten. Der Scorer eignet sich besonders für evaluierung autonomer ki-agenten.

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

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

Möchten Sie ToolCorrectnessScorer 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