Triada RAG TruLens structurează diagnosticarea sistemelor de regăsire în trei piloni izolați: Relevanța Contextului (dacă fragmentele extrase sunt utile întrebării), Ancorarea/Groundedness (dacă afirmațiile răspunsului sunt susținute de context) și Relevanța Răspunsului (dacă răspunde exact la ce a cerut utilizatorul).
# Model conceptual TruLens:
# Pasul 1: Verifică dacă fragmentele extrase au legătură cu întrebarea (Context Relevance)
# Pasul 2: Verifică dacă răspunsul LLM conține fapte care NU există în context (Groundedness)
# Pasul 3: Verifică dacă răspunsul tratează cerința utilizatorului (Answer Relevance)
def diagnosticheaza_rag(triada_scores):
if triada_scores['context_relevance'] < 0.7:
return "Problemă de căutare: Regăsitorul extrage fragmente greșite."
if triada_scores['groundedness'] < 0.8:
return "Problemă de generare: LLM-ul halucinează informații externe."
return "Sistemul RAG funcționează optim."Diagnostic rapid: Permite identificarea imediată a verigii slabe dintr-un flux de lucru AI.
Întrebări & Discuții: TruLens RAG Triad: Context Relevance, Groundedness și Answer Relevance
Ai o întrebare despre TruLens RAG Triad: Context Relevance, Groundedness și Answer Relevance 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.