制作网站建设合肥疫情最新消息

说明：这是我的学习笔记，很多内容转自网络，请查阅文章末尾的参考资料。

RAG

RAG (Retrieval-Augmented Generation) 检索增强生成。RAG系统是利用检索的内容以增强LLM生成答案的系统。

Ragas

RAGAS (Automated Evaluation of Retrieval Augmented Generation) 检索增强生成的自动评估。Ragas是一个大模型评测框架，可以评估检索增强生成（RAG）的效果。Ragas可以帮助分析模型的输出，了解模型在给定任务上的表现。
如果我们为某个真实线上系统开发了检索增强生成（RAG）应用，那么在此应用正式上线提供服务前，我们需要评估 RAG 的表现到底是怎样的。如果发现现有的 RAG 效果不够理想，可能需要一些新的 RAG 算法流程来改进。在这之前，就需要对 RAG 流程进行评估，得到评估指标，然后才能进行自动化对比，观察改进的流程是否真的有效。

Ragas 官网

Ragas 安装

pip install ragas

评估框架

RAGAS框架必须的数据源

• Question: 用户所提的问题
• Answer: AI生成的回复
• Contexts: 上下文（也就是检索得到的内容）

可选的数据源

• Ground Truths: 真相(下文简称Truths)人工标注的数据，可以有多个真相对应同一个问题
  

评估维度

评估指标

Faithfulness (忠实度)

评估的是答案忠实于Contexts的程度，因为LLM有编造回答的能力，在理想的RAG系统中，答案应该全部由提供的Contexts推理而来。

1. 用LLM提取Answer中的要点, 设要点的数量为|Sa|
2. 用LLM检验这些要点是否可以Contexts中推理而来，设能够推理而来的要点数量为|Va|
3. 计算它们的比值: F = |Va| / |Sa|

所需输入： Question(提取要点时会需要用到)，Answer, Contexts
是否需要标注: 否

Answer Relevance (答案相关度)

本质上可以视为无标注数据时的Answer Similarity。但因为作法不同，所以它体现的更多的是Answer与Question之间的对齐程度。

1. 利用LLM通过答案反推出问题。例如：

• RAG的全称是Retrieval-Augmented Generation是检索增强生成系统。
• 生成的问题1：RAG是什么。
• 生成的问题2：RAG的全程是什么。

2. 用embedding模型提取Answer与生成问题的文本语义向量。
3. 计算向量间的相似度。

其中: n是生成的问题数量，qi代表第i个生成问题, q代表实际的问题。
所需输入：Question，Answer
是否需要标注: 否

Context Precision (上下文精确度)

评估的是检索到的文档是否对question都有帮助。其实就是有帮助的文档数量与所有被检索出文档数量的比例。它体现的是RAG系统对于文档检索的精准度，会惩罚搜索一大堆没用文档喂给下游的行为。

1. 用LLM判断Contexts对Question有帮助的数量，假设该数量为|TP|
2. 设所有被检索出的文档数量为k, 计算它们的比值: CP = |TP| / k

所需输入：Question，Contexts
是否需要标注: 否

Context Recall (上下文召回率)

评估的是检索到的文档中包含真相Truths所需要信息的程度。如果为了优化Context Precision把文档删减了很多以至于包含的信息不够了，自然Context Recall便会低。

1. 用LLM提取所有Truths中的要点，设要点数量为|St|。 要点(statements): 可以理解为一段描述中关于Question的小段信息。例如：

• 问题：RAG全称是什么。
• 真相：RAG全称Retrieval-Augmented Generation是检索增强生成系统。
• 要点1： Retrieval-Augmented Generation
• 要点2：检索增强生成系统

2. 用LLM判断在Contexts能找到对应信息的要点数量，记作|Vt|
3. 计算它们的比值: CR = |Vt| / |St|

Context Relevance (上下文相关度)

评估的是检索到的文档中所有的内容是否对Question都有帮助。它与Context Precision的区别是它精确到了文档文本的所有内容。例如有的文档很长，它涉及到的内容很广泛，自然也包含回答问题的信息，所以这篇文档在计算Context Precision时会是一个正例。但是因为这篇文章内容中也包含了其他冗余信息，所以它的Context Relevance不会高。

1. 用LLM将所有Contexts分解为句子，设句子数量为|Sc|
2. 并判断对Question 有帮助的句子数量，记作|Vc|
3. 计算它们的比值: CR = |Vc| / |Sc|

所需输入：Question，Contexts
是否需要标注: 否

Answer Similarity (答案相似度)

Answer Correctness (答案正确性)

Aspect Critique (层面评判)

参考资料

1. Rag系统的评估指标与Ragas框架的使用
2. 小白学大模型：使用Ragas评价RAG效果
3. RAG03-使用RAGAS进行评估
4. RAG:系统评估，以RAGAS为例