Ragas项目中的评估函数Bug分析与解决方案
2025-05-26 20:17:05作者:温艾琴Wonderful
问题背景
在Ragas项目(一个用于评估AI生成内容质量的工具)的使用过程中,发现了一个与评估函数相关的Bug。该Bug主要出现在使用VertexAI的gemini-pro模型进行内容评估时,会导致评估结果与问题不匹配的情况。
问题现象
当用户对一个包含51个问题的数据集进行评估时,发现评估结果存在以下异常现象:
- 批量评估时,部分问题的评估结果出现NaN值,而其他问题则获得正常评分
- 单独评估那些在批量评估中出现NaN的问题时,却能获得正常评分
- 评估结果的顺序似乎被打乱,导致评分与问题不匹配
根本原因分析
经过深入调查,发现问题源于VertexAI模型的内容安全过滤机制。当模型检测到可能有害的内容(如仇恨言论、骚扰内容等)时,会抛出ResponseValidationError异常。这个异常处理方式导致了以下连锁反应:
- 评估过程中的并行处理机制因异常而中断
- 评估结果的顺序被打乱
- 部分评估结果未能正确赋值,导致NaN出现
技术细节
VertexAI模型内置了严格的内容安全过滤机制,会对以下类型的内容进行拦截:
- 仇恨言论
- 危险内容
- 骚扰内容
- 性暗示内容
当模型检测到这些内容时,会终止响应并抛出异常。在Ragas的评估流程中,这种异常处理方式干扰了评估结果的正确分配。
解决方案
目前可行的解决方案是创建一个自定义的VertexAI包装类,覆盖默认的安全设置:
from langchain_google_vertexai import VertexAI as VertexAI_
from vertexai.generative_models import generative_models
class BaseWrapper:
@property
def safety_settings(self):
return {
generative_models.HarmCategory.HARM_CATEGORY_DANGEROUS_CONTENT: generative_models.HarmBlockThreshold.BLOCK_NONE,
generative_models.HarmCategory.HARM_CATEGORY_HARASSMENT: generative_models.HarmBlockThreshold.BLOCK_NONE,
generative_models.HarmCategory.HARM_CATEGORY_UNSPECIFIED: generative_models.HarmBlockThreshold.BLOCK_NONE,
generative_models.HarmCategory.HARM_CATEGORY_HATE_SPEECH: generative_models.HarmBlockThreshold.BLOCK_NONE,
generative_models.HarmCategory.HARM_CATEGORY_SEXUALLY_EXPLICIT: generative_models.HarmBlockThreshold.BLOCK_NONE,
}
class VertexAI(VertexAI_, BaseWrapper):
def generate_prompt(self, *args, **kwargs):
return super().generate_prompt(*args, **kwargs, safety_settings=self.safety_settings)
这个解决方案通过以下方式解决问题:
- 禁用所有内容安全过滤
- 确保所有评估请求都能完成
- 保持评估结果的顺序一致性
注意事项
虽然这个解决方案能够解决评估结果错位的问题,但也意味着放弃了模型内置的内容安全保护。在实际应用中,开发者需要权衡评估准确性和内容安全性的需求。
未来改进方向
Ragas项目团队已经表示,未来的版本将引入自一致性(self-consistency)机制来提高评估指标的稳定性。这将有助于解决类似的问题,同时保持对有害内容的适当过滤。
对于开发者而言,在Ragas官方修复此问题之前,可以采取以下措施:
- 使用上述包装类解决方案
- 对数据集进行预处理,移除可能触发安全过滤的内容
- 分批评估数据集,减少并行处理带来的问题
登录后查看全文
热门项目推荐
相关项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0266cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.91 K

deepin linux kernel
C
22
6

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

React Native鸿蒙化仓库
C++
192
273

🎉 (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
927
551

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 kernel ~ openGauss is an open source relational database management system
C++
145
189

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
75
64

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

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