Creare valutazioni empiriche solide
Dopo aver definito i criteri di successo, il passo successivo è progettare le valutazioni per misurare le prestazioni dell’LLM rispetto a questi criteri. Questa è una parte vitale del ciclo di prompt engineering.
Questa guida si concentra su come sviluppare i tuoi casi di test.
Costruire valutazioni e casi di test
Principi di progettazione delle valutazioni
- Essere specifici per il compito: Progetta valutazioni che rispecchiano la distribuzione dei tuoi compiti nel mondo reale. Non dimenticare di considerare i casi limite!
- Automatizzare quando possibile: Struttura le domande per consentire una valutazione automatizzata (es. scelta multipla, corrispondenza di stringhe, valutazione basata su codice, valutazione basata su LLM).
- Dare priorità al volume rispetto alla qualità: Più domande con valutazione automatizzata leggermente meno precisa è meglio di poche domande con valutazioni manuali di alta qualità.
Esempi di valutazioni
Valutare le valutazioni
Quando si decide quale metodo utilizzare per valutare le valutazioni, scegli il metodo più veloce, più affidabile e più scalabile:
-
Valutazione basata su codice: Più veloce e più affidabile, estremamente scalabile, ma manca anche di sfumature per giudizi più complessi che richiedono meno rigidità basata su regole.
- Corrispondenza esatta:
output == golden_answer
- Corrispondenza di stringa:
key_phrase in output
- Corrispondenza esatta:
-
Valutazione umana: Più flessibile e di alta qualità, ma lenta e costosa. Evita se possibile.
-
Valutazione basata su LLM: Veloce e flessibile, scalabile e adatta per giudizi complessi. Testa prima per garantire l’affidabilità e poi scala.
Suggerimenti per la valutazione basata su LLM
- Avere rubriche dettagliate e chiare: “La risposta dovrebbe sempre menzionare ‘Acme Inc.’ nella prima frase. Se non lo fa, la risposta viene automaticamente valutata come ‘incorretta.‘”
Un dato caso d’uso, o anche un criterio di successo specifico per quel caso d’uso, potrebbe richiedere diverse rubriche per una valutazione olistica.
- Empirico o specifico: Per esempio, istruisci l’LLM a produrre solo ‘corretto’ o ‘incorretto’, o a giudicare su una scala da 1 a 5. Le valutazioni puramente qualitative sono difficili da valutare rapidamente e su larga scala.
- Incoraggiare il ragionamento: Chiedi all’LLM di pensare prima di decidere un punteggio di valutazione, e poi scarta il ragionamento. Questo aumenta le prestazioni di valutazione, in particolare per compiti che richiedono un giudizio complesso.
Prossimi passi
Was this page helpful?