context_recall măsoară dacă toate faptele necesare formulării unui răspuns complet au fost găsite în faza de căutare (Retrieval). Necesită furnizarea câmpului de referință ground_truth.
Exemplu cu dataset adnotat
from ragas.metrics import context_recall
date_aur = Dataset.from_dict({
"question": ["Care sunt cele trei componente principale ale vLLM?"],
"contexts": [["vLLM utilizează PagedAttention și continuous batching."]], # Lipsește CUDA Graphs
"ground_truth": ["Componentele vLLM sunt PagedAttention, continuous batching și CUDA Graphs."]
})
rezultat = evaluate(date_aur, metrics=[context_recall])
print(f"Scor recall context: {rezultat['context_recall']:.4f}") # Va fi ~0.66Semnalează necesitatea măririi valorii top_k sau optimizării embedding-urilor.
Întrebări & Exemple practice:
Metrica Context Recall în Ragas: Exhaustivitatea Informațiilor Extrase din Baza VectorialăAi o întrebare despre Metrica Context Recall în Ragas: Exhaustivitatea Informațiilor Extrase din Baza Vectorială 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.