首页
/ TruLens项目中的Groundedness反馈函数使用变更解析

TruLens项目中的Groundedness反馈函数使用变更解析

2025-07-01 07:44:03作者:田桥桑Industrious

背景介绍

TruLens是一个开源的评估框架,用于监控和评估大型语言模型(LLM)应用的表现。在项目迭代过程中,其反馈函数的使用方式发生了重要变化,特别是关于Groundedness(基础性)评估的部分。

旧版实现方式

在早期版本的TruLens中,开发者需要通过从trulens_eval.feedback模块导入Groundedness类来使用基础性评估功能。这种方式需要用户显式地导入特定类,然后进行实例化和配置。

新版改进方案

最新版本的TruLens对反馈函数的使用方式进行了优化重构,将Groundedness评估功能直接集成到了反馈提供者(Provider)中。这一变更带来了几个显著优势:

  1. 简化导入流程:不再需要单独导入Groundedness类
  2. 统一使用模式:与其他反馈函数保持一致的调用方式
  3. 减少代码量:简化了评估流程的配置代码

具体实现方法

在新版本中,使用Groundedness评估的推荐方式如下:

# 首先初始化反馈提供者
provider = OpenAI()  # 也可以是其他支持的反馈提供者

# 配置Groundedness评估
f_groundedness = (
    Feedback(provider.groundedness_measure_with_cot_reasons, name="Groundedness")
    .on(Select.RecordCalls.retrieve.rets.collect())
    .on_output()
)

技术设计考量

这一变更体现了几个重要的软件设计原则:

  1. 一致性原则:所有反馈函数都通过Provider统一提供,降低了学习成本
  2. 封装性原则:将相关功能集中管理,提高了代码的内聚性
  3. 简化接口:减少了用户需要直接接触的类和模块数量

迁移建议

对于从旧版本迁移的用户,建议:

  1. 移除原有的Groundedness类导入语句
  2. 通过反馈提供者直接访问groundedness评估功能
  3. 检查相关评估逻辑是否需要进行适应性调整

总结

TruLens项目对Groundedness评估功能的重新设计,体现了框架对开发者体验的持续优化。这一变更使得评估流程更加简洁直观,同时也为未来的功能扩展提供了更好的架构基础。开发者应当及时更新使用方式,以充分利用框架提供的最新特性和优化。

登录后查看全文
热门项目推荐
相关项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8