1. 학습
    2. /
  2. 강의
    3. /
  3. Retrieval Augmented Generation (RAG) z LangChain
Connected

연습 문제

Ewaluacja łańcuchów tekstowych

Czas na rzetelną ewaluację końcowego wyniku – porównasz go z odpowiedzią przygotowaną przez eksperta dziedzinowego. Do tego porównania użyjesz klasy LangChainStringEvaluator z biblioteki LangSmith.

prompt_template na potrzeby ewaluacji łańcuchów tekstowych jest już gotowy:

You are an expert professor specialized in grading students' answers to questions.
You are grading the following question:{query}
Here is the real answer:{answer}
You are grading the following predicted answer:{result}
Respond with CORRECT or INCORRECT:
Grade:

Wynik działania łańcucha RAG jest przechowywany jako predicted_answer, a odpowiedź eksperta jako ref_answer.

Wszystkie niezbędne klasy zostały już zaimportowane.

지침

100 XP
  • Utwórz ewaluator QA dla łańcuchów tekstowych w LangSmith, korzystając z podanych obiektów eval_llm i prompt_template.
  • Przeprowadź ewaluację wyniku RAG (predicted_answer), porównując go z odpowiedzią eksperta na pytanie query, która jest przechowywana jako ref_answer.