執行 #223

Sony (bulk R1) → production-baseline

↓ EXPORT · HTML下載頁面 II. EVAL REPORT兩項目評估報告
狀態
已完成
案例
13
開始時間
16 May 12:28
耗時
852.0s
¶ Economics · Bot-side N=13 attempts

Cost & Tokens

$0.1328
Total Bot Cost · USD
21.1%
Prompt Cache Hit
cost per case
$0.0102
cost per 1k tokens
$0.0018
input tokens
71,519
output tokens
1,547
cached tokens — prompt-cache hit
15,104
Total Tokens
73,066
economic efficiency
cost per correct
$0.0038
pass rate
15.4%
2 / 13
judge cost
$0.0077
設定快照（reproducibility） 1 個 bot 已捕捉 · Judge：gpt-4o-mini

Bot 設定快照

  • b3d1a110-e484-4c3a-8de8-aa8be652f219 0 筆 KB
    SystemPrompt: sha256:e4a7be06 KBContent: sha256:e3b0c442 Tools: sha256:e3b0c442 Scenarios: sha256:31b2a605 AI: gpt-4.1-2025-04-14 (T=0.0, max=2048)

Judge 設定快照

model: gpt-4o-mini T=0.0 max=4096 prompt: v1
已完成
13 / 13
錯誤
0
失敗維度
1
首字延遲 p95
11558 ms
Bot 成本（Neptune）
$0.1328
Bot Tokens（Neptune）
73,066
Judge 成本（Eris）
$0.0077
Judge Tokens（Eris）
64,268
項目 II.

情境調用與完成

scenario_funnel 10 cases

維度總表

各維度品質分 · 覆蓋率
走對流程 召回
scenario
100.0%
[100.0% – 100.0%] · n=10
F1 96.7% · 召回 100.0% · 精確 95.0%
10 / 10 適用
用對工具 召回
tool_usage
60.0%
[30.0% – 90.0%] · n=10
F1 60.0% · 召回 60.0% · 精確 100.0%
10 / 10 適用
答得到位 平均
answer_quality
29.7%
[17.3% – 42.3%] · n=10
10 / 10 適用
  • 案例 61C17514

    我想找適合我的髮片，推薦一下嗎?

    已完成
    第 1 次嘗試 · 已完成 9894ms

    載入詳情中…
  • 案例 78D9FFE8

    請問如果我想了解產品的相關資訊該怎麼查詢呢？

    已完成
    第 1 次嘗試 · 已完成 13260ms

    載入詳情中…
  • 案例 3A676D35

    你們有什麼推薦的產品?

    已完成
    第 1 次嘗試 · 已完成 12501ms

    載入詳情中…
  • 案例 5D6C9E47

    你們的產品查詢怎麼用啊

    已完成
    第 1 次嘗試 · 已完成 22443ms

    載入詳情中…
  • 案例 F392BBB7

    可以推薦我適合的產品嗎?

    已完成
    第 1 次嘗試 · 已完成 9469ms

    載入詳情中…
  • 案例 BDA0C153

    你們那個新出來的髮片效果怎麼樣？

    已完成
    第 1 次嘗試 · 已完成 17764ms

    載入詳情中…
  • 案例 FD6B7D6F

    查詢產品資訊的時候會不會用並發搜尋啊

    已完成
    第 1 次嘗試 · 已完成 12975ms

    載入詳情中…
  • 案例 526982ED

    有沒有什麼資訊可以告訴我關於髮片的價格和特點?

    已完成
    第 1 次嘗試 · 已完成 18922ms

    載入詳情中…
  • 案例 D8154FB7

    你們有沒有進階統一搜尋的工具可以用？

    已完成
    第 1 次嘗試 · 已完成 14702ms

    載入詳情中…
  • 案例 0EE3D3E2

    如果我有需要解決的問題，能否幫我推薦適合的產品呢？

    已完成
    第 1 次嘗試 · 已完成 8098ms

    載入詳情中…
項目 III.

對話素養（混合問答）

mixed_qa 3 cases

維度總表

各維度品質分 · 覆蓋率
找對資料 召回
retrieval
—
—
不亂編造 平均
faithfulness
0.0%
[0.0% – 0.0%] · n=2
3 / 3 適用
答得到位 平均
answer_quality
47.8%
[26.7% – 83.3%] · n=3
3 / 3 適用
  • 案例 F3C5E0C2

    請問有推薦的產品類型嗎？

    已完成
    第 1 次嘗試 · 已完成 18060ms

    載入詳情中…
  • 案例 073AA720

    想跟真人客服聊天

    已完成
    第 1 次嘗試 · 已完成 7285ms

    載入詳情中…
  • 案例 2E83A143

    我可以查什麼產品資訊?

    已完成
    第 1 次嘗試 · 已完成 15490ms

    載入詳情中…