TruLens项目中的反馈函数NaN结果问题分析与解决方案

问题背景

在使用TruLens项目进行应用评估时，开发者遇到了反馈函数结果不一致的问题。具体表现为四个自定义反馈函数（f_similarity、f_qa_relevance、f_context_relevance和f_groundedness_cot）在Snowflake中生成的结果时有时无，有时甚至会出现失败错误。部分反馈结果在leaderboard_df中显示为NaN值，影响了评估的准确性和可靠性。

问题现象

开发者定义了四个反馈函数用于评估应用表现，但在实际运行中发现：

1. 反馈结果在Snowflake中显示不一致
2. 部分结果缺失
3. 部分反馈被标记为失败并伴随错误
4. 在打印leaderboard_df时，部分反馈显示为NaN

技术分析

可能原因

1. 计算时间不足：反馈函数计算可能需要较长时间，特别是在使用LLM模型时
2. 线程管理问题：错误日志显示"cannot schedule new futures after interpreter shutdown"，表明线程池在解释器关闭后仍尝试提交任务
3. 模型兼容性问题：使用Gemini模型可能导致的性能问题
4. 依赖版本冲突：snowflake-sqlalchemy版本可能导致兼容性问题

错误日志分析

从错误日志中可以看到两个主要问题：

1. 线程池问题：当解释器开始关闭时，仍有新任务尝试提交到线程池
2. 请求失败：端点请求多次失败，特别是在使用Cortex端点时

解决方案

临时解决方案

1. 增加等待时间：在获取记录和反馈前等待足够时间（15分钟以上）
2. 使用"with_app"反馈模式：确保反馈在应用响应后计算完成

TruCustomApp(app, 
    feedback_mode="with_app",
)

长期解决方案

1. 使用Snowflake服务器端反馈：通过启用服务器端计算提高性能

connection_params = {
    "init_server_side": True  # 启用服务器端反馈函数
}

2. 使用Cortex反馈提供者：对于支持的模型，使用Snowflake内置的Cortex提供者

provider = Cortex(
    snowpark_session,
    model_engine="mistral-large2",
)

3. 版本降级：将snowflake-sqlalchemy降级到1.7.1版本

模型选择建议

1. 避免使用Gemini模型（当前不支持Cortex端点）
2. 考虑使用Cortex支持的模型，如mistral-large2
3. 测试不同模型的性能表现

最佳实践

1. 监控反馈计算状态：实现状态检查机制，确保所有反馈计算完成
2. 错误处理：添加健壮的错误处理逻辑，捕获并记录反馈计算异常
3. 性能基准测试：对不同配置进行性能测试，确定最优设置
4. 依赖管理：保持依赖版本兼容性，特别是与Snowflake相关的库

结论

TruLens项目中的反馈函数NaN结果问题通常由计算资源不足、线程管理问题或模型兼容性引起。通过合理配置反馈模式、选择适当的模型提供者以及管理依赖版本，可以有效解决这些问题。对于性能要求高的场景，推荐使用Snowflake服务器端反馈计算以获得最佳体验。开发者应根据具体需求选择最适合的解决方案组合。