首页
/ Ragas项目中的评估函数Bug分析与解决方案

Ragas项目中的评估函数Bug分析与解决方案

2025-05-26 02:35:35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:

  1. 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
  2. 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
  3. 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:

  1. 评估过程中的并行处理机制因异常而中断
  2. 评估结果的顺序被打乱
  3. 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:

  1. 禁用所有内容安全过滤
  2. 确保所有评估请求都能完成
  3. 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:

  1. 使用上述包装类解决方案
  2. 对数据集进行预处理,移除可能触发安全过滤的内容
  3. 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

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
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
860
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
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
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
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
332
1.08 K