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.
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
| Parameter | Typ | Erforderlich | Beschreibung |
|---|---|---|---|
| agent_data.expected_tool_call | ToolCall | str | Ja | The expected tool call to compare against |
| agent_data.tool_calls | list[ToolCall] | str | Ja | List of tool calls made by the agent |
Ausgabeschema
| Feld | Typ | Beschreibung |
|---|---|---|
| score | float | Score (0-10 scale) |
| passed | bool | True if score meets threshold |
| reasoning | str | Detailed evaluation explanation |
| metadata | dict | Scorer-specific details |
Score-Interpretation
Standardschwellenwert: 7/10
Verwandte Scorer
ParameterCorrectnessScorer
Bewertet die Genauigkeit und Angemessenheit der an Tools übermittelten Parameter. Überprüft, ob die ...
AgentToolRelevancyScorer
Bewertet, ob der Agent geeignete Tools für die jeweilige Aufgabe ausgewählt hat. Bewertet, ob die ge...
AgentContextRelevancyScorer
Bewertet, wie gut der Agent den relevanten Kontext während der gesamten Interaktion aufrechterhält u...
AgentConversationCoherenceScorer
Bewertet den logischen Ablauf und die Kohärenz der Antworten des Agenten während des gesamten Gesprä...
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 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 ToolCorrectnessScorer 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