評估測試

測試 AI 應用需要評估生成的內容，以確保 AI 模型沒有產生幻覺響應。

一種評估響應的方法是使用 AI 模型本身進行評估。選擇最適合評估的 AI 模型，該模型可能與用於生成響應的模型不同。

用於評估響應的 Spring AI 介面是 Evaluator，定義如下：

@FunctionalInterface
public interface Evaluator {
    EvaluationResponse evaluate(EvaluationRequest evaluationRequest);
}

評估的輸入是 EvaluationRequest，定義如下：

public class EvaluationRequest {

	private final String userText;

	private final List<Content> dataList;

	private final String responseContent;

	public EvaluationRequest(String userText, List<Content> dataList, String responseContent) {
		this.userText = userText;
		this.dataList = dataList;
		this.responseContent = responseContent;
	}

  ...
}

userText：來自使用者的原始輸入，型別為 String
dataList：上下文資料，例如來自檢索增強生成 (RAG) 的資料，附加到原始輸入中。
responseContent：AI 模型的響應內容，型別為 String

RelevancyEvaluator

一種實現是 RelevancyEvaluator，它使用 AI 模型進行評估。未來版本中將提供更多實現。

RelevancyEvaluator 使用輸入 (userText) 和 AI 模型的輸出 (chatResponse) 來提出問題：

Your task is to evaluate if the response for the query
is in line with the context information provided.\n
You have two options to answer. Either YES/ NO.\n
Answer - YES, if the response for the query
is in line with context information otherwise NO.\n
Query: \n {query}\n
Response: \n {response}\n
Context: \n {context}\n
Answer: "

這是一個 JUnit 測試示例，它對載入到向量儲存中的 PDF 文件執行 RAG 查詢，然後評估響應是否與使用者文字相關。

@Test
void testEvaluation() {

    dataController.delete();
    dataController.load();

    String userText = "What is the purpose of Carina?";

    ChatResponse response = ChatClient.builder(chatModel)
            .build().prompt()
            .advisors(new QuestionAnswerAdvisor(vectorStore))
            .user(userText)
            .call()
            .chatResponse();
    String responseContent = response.getResult().getOutput().getContent();

    var relevancyEvaluator = new RelevancyEvaluator(ChatClient.builder(chatModel));

    EvaluationRequest evaluationRequest = new EvaluationRequest(userText,
            (List<Content>) response.getMetadata().get(QuestionAnswerAdvisor.RETRIEVED_DOCUMENTS), responseContent);

    EvaluationResponse evaluationResponse = relevancyEvaluator.evaluate(evaluationRequest);

    assertTrue(evaluationResponse.isPass(), "Response is not relevant to the question");

}

上面的程式碼來自位於此處的示例應用。

FactCheckingEvaluator

FactCheckingEvaluator 是 Evaluator 介面的另一種實現，旨在根據提供的上下文評估 AI 生成響應的事實準確性。該評估器透過驗證給定陳述（claim）是否在邏輯上得到了提供的上下文（document）的支援，從而幫助檢測和減少 AI 輸出中的幻覺。

'claim' 和 'document' 會提交給 AI 模型進行評估。目前有專門為此目的而設計的更小、更高效的 AI 模型，例如 Bespoke 的 Minicheck，與 GPT-4 等旗艦模型相比，它有助於降低執行這些檢查的成本。Minicheck 也可以透過 Ollama 使用。

用法

FactCheckingEvaluator 建構函式接受一個 ChatClient.Builder 作為引數

public FactCheckingEvaluator(ChatClient.Builder chatClientBuilder) {
  this.chatClientBuilder = chatClientBuilder;
}

該評估器使用以下提示模板進行事實核查：

Document: {document}
Claim: {claim}

其中 {document} 是上下文資訊，{claim} 是要評估的 AI 模型的響應。

示例

下面是如何將 FactCheckingEvaluator 與基於 Ollama 的 ChatModel（特別是 Bespoke-Minicheck 模型）一起使用的示例：

@Test
void testFactChecking() {
  // Set up the Ollama API
  OllamaApi ollamaApi = new OllamaApi("https://:11434");

  ChatModel chatModel = new OllamaChatModel(ollamaApi,
				OllamaOptions.builder().model(BESPOKE_MINICHECK).numPredict(2).temperature(0.0d).build())


  // Create the FactCheckingEvaluator
  var factCheckingEvaluator = new FactCheckingEvaluator(ChatClient.builder(chatModel));

  // Example context and claim
  String context = "The Earth is the third planet from the Sun and the only astronomical object known to harbor life.";
  String claim = "The Earth is the fourth planet from the Sun.";

  // Create an EvaluationRequest
  EvaluationRequest evaluationRequest = new EvaluationRequest(context, Collections.emptyList(), claim);

  // Perform the evaluation
  EvaluationResponse evaluationResponse = factCheckingEvaluator.evaluate(evaluationRequest);

  assertFalse(evaluationResponse.isPass(), "The claim should not be supported by the context");

}