上版閘門門檻

Omnichat 測試 (bulk R1) — 設定每個 metric 的通過/失敗下限。空白 = 無門檻。

每個 metric 一個數字。上版閘門透過 EvalMetric::DIRECTIONS 查方向，並用 ≥ (越大越好) 或 ≤ (越小越好) 比對。

01

檢索——知識

knowledges_precision
↑ 越高越好——設定下限
實際值 < 此值即不及格
knowledges_recall
↑ 越高越好——設定下限
實際值 < 此值即不及格
knowledges_f1
↑ 越高越好——設定下限
實際值 < 此值即不及格
knowledges_relevance
↑ 越高越好——設定下限
實際值 < 此值即不及格
02

檢索——產品

products_precision
↑ 越高越好——設定下限
實際值 < 此值即不及格
products_recall
↑ 越高越好——設定下限
實際值 < 此值即不及格
products_f1
↑ 越高越好——設定下限
實際值 < 此值即不及格
products_relevance
↑ 越高越好——設定下限
實際值 < 此值即不及格
03

工具使用

tools_precision
↑ 越高越好——設定下限
實際值 < 此值即不及格
tools_recall
↑ 越高越好——設定下限
實際值 < 此值即不及格
tools_f1
↑ 越高越好——設定下限
實際值 < 此值即不及格
04

效能

scenario_precision
↑ 越高越好——設定下限
實際值 < 此值即不及格
scenario_recall
↑ 越高越好——設定下限
實際值 < 此值即不及格
scenario_f1
↑ 越高越好——設定下限
實際值 < 此值即不及格
rule_compliance
↑ 越高越好——設定下限
實際值 < 此值即不及格
first_sent_latency_ms
↓ 越低越好——設定上限
實際值 > 此值即不及格
total_execution_time_ms
↓ 越低越好——設定上限
實際值 > 此值即不及格
total_tokens
↓ 越低越好——設定上限
實際值 > 此值即不及格
total_cost_usd
↓ 越低越好——設定上限
實際值 > 此值即不及格
refused
↓ 越低越好——設定上限
實際值 > 此值即不及格
05

忠實度

hallucination_rate
↓ 越低越好——設定上限
實際值 > 此值即不及格
citation_grounding
↑ 越高越好——設定下限
實際值 < 此值即不及格
06

回答品質

answer_relevance
↑ 越高越好——設定下限
實際值 < 此值即不及格
answer_completeness
↑ 越高越好——設定下限
實際值 < 此值即不及格
answer_correctness
↑ 越高越好——設定下限
實際值 < 此值即不及格
取消