Clasa SemanticSimilarityEvaluator compară embedding-ul răspunsului produs de RAG cu embedding-ul răspunsului ideal, calculând similaritatea cosinus (de la 0.0 la 1.0) și stabilind dacă sensul a fost transmis corect, chiar dacă s-au folosit cuvinte diferite.
Exemplu în cod
from llama_index.core.evaluation import SemanticSimilarityEvaluator
evaluator = SemanticSimilarityEvaluator(similarity_threshold=0.85)
rezultat = evaluator.evaluate(
response="Capitala României este orașul București.",
reference="București este capitala României."
)
print("Scor similaritate:", rezultat.score)
print("Trece pragul?", rezultat.passing)Permite validarea automată a acurateței conceptuale fără rigiditatea potrivirilor exacte de caractere.
Întrebări & Exemple practice:
SemanticSimilarityEvaluator: Evaluarea Similarității SemanticeAi o întrebare despre SemanticSimilarityEvaluator: Evaluarea Similarității Semantice sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!
Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!
Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.