当前位置：首页 > news >正文

12. 模型RAG评测 - Rainbow

news 2026/6/17 10:50:48

12. 模型RAG评测

12. 模型RAG评测
- 模型理解力评测
  - 现实中出现事实性幻觉的常见场景
  - RAG幻觉评测
最后：

模型理解力评测

RAG 之所以广受欢迎，是因为它（基于检索到的真实资料）能够减少幻觉。然而， RAG 并不一定意味着幻觉会被完全消除。

现实中出现事实性幻觉的常见场景

上下文提供了明确事实，但模型未读取或匹配，凭常识胡乱生成。
模型“看”到的背景信息有限，但它仍然自信地“虚构”细节回答问题。

问：马云在阿里巴巴创办初期遇到了哪些具体困难？

RAG:马云，著名企业家，阿里巴巴创始人。

答A（幻觉）：

马云在阿里巴巴创立初期曾因办公楼失火导致数据全部丢失，团队一度陷入危机。

多个相似案例混淆，模型输出了正确格式但内容错误的事实

怎么你确定是否有这些问题：

事实性的评估

评估器主要用于以下场景：

开发和测试阶段：在集成测试中验证 RAG 系统的质量
批量质量检查：对一批历史对话进行离线评估
系统监控：定期抽样评估生产环境中的对话质量，比如每100次对话评估1次
模型验证：当更换 AI 模型或调整 RAG 配置时，用于验证新配置的效果

@SpringBootTest
public class FactCheckingTest {@Testvoid testFactChecking(@Autowired OllamaChatModel chatModel) {// 创建 FactCheckingEvaluatorvar factCheckingEvaluator = new FactCheckingEvaluator(ChatClient.builder(chatModel));// 示例上下文和声明String context = "地球是仅次于太阳的第三颗行星，也是已知唯一孕育生命的天文物体。";String claim = "地球是距离太阳第三大行星。";// 创建 EvaluationRequestEvaluationRequest evaluationRequest = new EvaluationRequest(context, Collections.emptyList(), claim);// 执行评估EvaluationResponse evaluationResponse = factCheckingEvaluator.evaluate(evaluationRequest);Assertions.assertTrue(evaluationResponse.isPass(), "The claim should not be supported by the context");}}

解决：

高风险领域（医疗、法律、金融等）必须进行事实性幻觉定期评估
限定上下文范围：通过系统提示词让模型明确只能在指定背景或文档内容中作答，禁止引用未检索到的信息。
"回答不确定"机制
调整分数、定义精确RAG相似性搜索能力

RAG幻觉评测

当我们发现大模型回答的内容并没有按照检索的documents进行有效回答，就可以通过这种方式进行测试，评估 AI 生成的响应的事实准确性。该评估器通过验证给定的语句（responseContent）是否在逻辑上得到提供的上下文（文档）的支持，帮助检测并减少 AI 输出中的错觉。

“responseContent”和“document”将提交给人工智能模型进行评估。目前已有更小、更高效的人工智能模型专门用于此目的，例如 Bespoke 的 Minicheck，与 GPT-4 等旗舰模型相比，它有助于降低执行这些检查的成本。Minicheck 也可通过 Ollama 使用。

什么时候需要用到：

验证已构建的RAG系统的响应质量
在集成测试中自动化质量检查
调试和优化RAG配置时评估效果

@SpringBootTest
public class RagEvalTest {@Testpublic void testRag(@Autowired VectorStore vectorStore,@Autowired DashScopeChatModel dashScopeChatModel) {List<Document> documents = List.of(new Document("""1. 预订航班- 通过我们的网站或移动应用程序预订。- 预订时需要全额付款。- 确保个人信息（姓名、ID 等）的准确性，因为更正可能会产生 25 的费用。"""),new Document("""2. 更改预订- 允许在航班起飞前 24 小时更改。- 通过在线更改或联系我们的支持人员。- 改签费：经济舱 50，豪华经济舱 30，商务舱免费。"""),new Document("""3. 取消预订- 最晚在航班起飞前 48 小时取消。- 取消费用：经济舱 75 美元，豪华经济舱50美元，商务舱25美元。- 退款将在 7 个工作日内处理。"""));vectorStore.add(documents);RetrievalAugmentationAdvisor retrievalAugmentationAdvisor = RetrievalAugmentationAdvisor.builder().documentRetriever(VectorStoreDocumentRetriever.builder().vectorStore(vectorStore).build()).build();String query = "退票费用";ChatResponse chatResponse = ChatClient.builder(dashScopeChatModel).build().prompt(query).advisors(retrievalAugmentationAdvisor).call().chatResponse();EvaluationRequest evaluationRequest = new EvaluationRequest(// The original user questionquery,// The retrieved context from the RAG flowchatResponse.getMetadata().get(RetrievalAugmentationAdvisor.DOCUMENT_CONTEXT),// The AI model's responsechatResponse.getResult().getOutput().getText());RelevancyEvaluator evaluator = new RelevancyEvaluator(ChatClient.builder(dashScopeChatModel));EvaluationResponse evaluationResponse = evaluator.evaluate(evaluationRequest);System.out.println(evaluationResponse);System.out.println(chatResponse.getResult().getOutput().getText());}
}

query = "我叫什么名字";