Freagairtí bunaithe ar fhoinse agus laghdú ar hailleacanáisiú
Ar an leathanach seo
Fadhb an hailleacanáisiú sa táirgeadh
Is freagairt mhícheart go fíriciúil é hailleacanáisiú a sheachadtar le muinín freagra cheart. Is í an mhuinín sin díreach a dhéanann contúirteach é. Seolann chatbot tacaíochta a chruthaíonn nós imeachta úsáideoirí chuig dead end; nochtann cúntóir dlí a luaíonn reacht nach bhfuil ann do chliaint riosca; cruthaíonn uirlis leighis a mholann an dáileog mícheart díobháil iarbhír. I ngach ceann de na trí chás, ní chuireann aon rud i bhformáid na freagra in iúl go bhfuil fadhb ann.
Déileálann Bunú leis an riosca seo tríd an tsamhail a theorannú chun a freagraí a bhunú go heisiach ar fhoinsí fíoraithe. I gcomhar leis an gcóras luaiteanna a clúdaíodh i gcúrsaí roimhe seo, cruthaíonn sé líon sábháilteachta ilchisealach: sainíonn an leid iompraíocht ionchais, cumasaíonn parsáil luaiteanna fíorú, agus cinneann an píblíne conas déileáil le freagraí a theipeann ar an seiceáil.
An leid córais: do chéad líne cosanta
Cruthaíonn leid doiléir bunú doiléir. Caithfidh tú na rialacha a rá mar shonraíocht: sainigh scóip na bhfoinsí, tabhair an frása beacht le húsáid nuair a bhíonn eolas ar iarraidh, toirmisc bearnaí a líonadh le heolas ginearálta, éiligh luaiteanna do gach maíomh, agus sonraigh conas déileáil le contrárthachtaí idir foinsí.
system_prompt = """
You are a specialized documentation assistant.
ABSOLUTE RULES:
1. Answer ONLY using the sources provided via references.
2. If the information is not in the sources, respond:
"This information is not available in the provided sources."
3. NEVER supplement with your general knowledge.
4. Cite every claim with the corresponding reference.
5. If two sources contradict each other, mention both versions.
"""
Ní ráthaíonn an leid seo nialas hailleacanáisiú, agus caithfidh tú a bheith soiléir faoi seo le do pháirtithe leasmhara: laghdaíonn sé go mór a minicíocht. Leanann samhlacha Mistral, atá oiliúnaithe le haghaidh bunaithe, na treoracha seo le ráta comhlíontachta ard. Mar sin féin, ní ráta 100% é ráta ard, agus is é sin an fáth go bhfuil na céimeanna seo a leanas riachtanach.
Fíoraigh an bunú tar éis giniúna
Tiontaíonn an fheidhm validate_grounding intuigtheacht—“an bhfuil an freagairt seo bunaithe ar fhoinse?”—ina méadracht. Déanann sé athrá ar chodanna na freagra, ag suimiú fad an téacs ar thaobh amháin agus ag comhaireamh luaiteanna agus foinsí ar leith ar an taobh eile. Ansin díorthaíonn sé dlús arna shloinneadh mar luaiteanna in aghaidh míle carachtar. Éiríonn freagairt 2,000 carachtar le tagairt amháin láithreach amhrasach, cé go bhféadfadh athbhreithnitheoir daonna a bheith tar éis é a chailleadh.
from mistralai.client.models import TextChunk, ReferenceChunk
def validate_grounding(response, min_citations=1):
"""Verifies that the response is grounded in sources."""
content = response.choices[0].message.content
text_length = 0
citation_count = 0
cited_refs = set()
for chunk in content:
if isinstance(chunk, TextChunk):
text_length += len(chunk.text)
elif isinstance(chunk, ReferenceChunk):
citation_count += 1
cited_refs.update(chunk.reference_ids)
# Checks
checks = {
"has_citations": citation_count >= min_citations,
"citation_count": citation_count,
"unique_sources": len(cited_refs),
"text_length": text_length,
"citations_per_1000_chars": round(
citation_count / max(text_length / 1000, 1), 1
)
}
checks["is_grounded"] = checks["has_citations"]
return checks
result = validate_grounding(final_response, min_citations=2)
if not result["is_grounded"]:
print("ALERT: Response potentially ungrounded!")
print(f" Citations found: {result['citation_count']}")
Maímh a shainaithint lasmuigh den scóip
Ní insíonn comhaireamh luaiteanna duit an bhfuil an téacs eatarthu fíortha d’fhoinse. Déileálann detect_ungrounded_claims leis an bpointe dall seo le heuristic léacsach simplí: roinneann sé an freagairt ina abairtí, déanann sé comparáid idir focail níos faide ná cúig charachtar i ngach abairt leis na blúirí chomhcheangailte, agus cuireann sé bratach ar aon abairt ina bhfuil níos lú ná 30% de na heochairfhocail le feiceáil sna foinsí. Do chúntóir doiciméadúcháin, is iad na habairtí a éiríonn go barr an liosta amhrasaigh de ghnáth an líonadh “eolais ghinearálta” a chuireann an tsamhail leis.
def detect_ungrounded_claims(response_text, source_snippets):
"""Detects sentences that do not match any snippet."""
import re
# Split response into sentences
sentences = re.split(r'[.!?]+', response_text)
sentences = [s.strip() for s in sentences if len(s.strip()) > 20]
# Concatenate all snippets into a single text
all_sources = " ".join(source_snippets).lower()
suspicious = []
for sentence in sentences:
# Extract significant keywords (> 5 chars)
keywords = [
w.lower() for w in sentence.split()
if len(w) > 5
]
# Check coverage
matches = sum(1 for kw in keywords if kw in all_sources)
coverage = matches / max(len(keywords), 1)
if coverage < 0.3: # Less than 30% of keywords found
suspicious.append({
"sentence": sentence,
"coverage": round(coverage, 2)
})
return suspicious
Píblíne muiníne a chur le chéile
Sa táirgeadh, ní scripteanna anailíse amháin iad na seiceálacha seo: éiríonn siad ina gheata caithfidh an freagairt dul tríd sula sroicheann sé an t-úsáideoir. Cuireann an rang GroundedRAG an geata seo i bhfeidhm. Gineann sé an freagairt luaite, fíoraíonn sé í, agus i mód dian, diúltaíonn sé go hiomlán do fhreagraí le bunú neamhleor, ag filleadh stádas sainráite seachas téacs amhrasach. Déanann an scór muiníne trí chomhartha a chomhiomlánú—láithreacht luaiteanna, éagsúlacht foinse, agus dlús—ionas gur féidir le do chomhéadan leibhéal iontaofachta a thaispeáint nó cásanna muiníne ísle a chur ar aghaidh le haghaidh athbhreithniú daonna.
class GroundedRAG:
"""RAG pipeline with grounding and validation."""
def __init__(self, client, model="mistral-large-latest"):
self.client = client
self.model = model
def query(self, question, references, strict=True):
"""Executes a RAG query with grounding validation."""
# 1. Generate response with citations
response = self._generate_with_citations(
question, references
)
# 2. Validate grounding
grounding = validate_grounding(response, min_citations=1)
# 3. In strict mode, reject ungrounded responses
if strict and not grounding["is_grounded"]:
return {
"status": "rejected",
"reason": "Response insufficiently grounded in sources",
"grounding_score": grounding
}
# 4. Return validated response
return {
"status": "ok",
"response": response,
"grounding_score": grounding,
"confidence": self._compute_confidence(grounding)
}
def _compute_confidence(self, grounding):
"""Calculates a confidence score based on grounding."""
score = 0.0
if grounding["has_citations"]:
score += 0.4
if grounding["unique_sources"] >= 2:
score += 0.3
if grounding["citations_per_1000_chars"] >= 1.0:
score += 0.3
return round(score, 2)
Monatóireacht a dhéanamh ar bhunú le himeacht ama
Is féidir le píblíne bhunaithe ar an gcéad lá táirgthe dul in olcas le himeacht ama toisc go n-aostaíonn an bonn doiciméadúcháin, toisc go ndearnadh leasú ar leid, nó toisc go n-aistríonn trácht chuig topaicí nach bhfuil clúdaithe go maith. Ríomhtar na cúig mhéadrach thíos go díreach as aschuir validate_grounding agus tuilleann siad deais bhuan: is é a n-imeacht, seachas a luach absalóideach, a chuireann in iúl duit.
| Méadrach | Cad a thomhaiseann sé |
|---|---|
| Ráta luaiteanna | Céatadán na bhfreagraí ina bhfuil lua amháin ar a laghad |
| Dlús luaiteanna | Meánlíon na luaiteanna in aghaidh 1,000 carachtar |
| Éagsúlacht foinse | Meánlíon na bhfoinsí ar leith in aghaidh na freagra |
| Ráta diúltaithe | Céatadán na bhfreagraí a diúltaíodh mar gheall ar bhunú neamhleor |
| Meánscór muiníne | Éabhlóid an scóir muiníne le himeacht ama |
Príomhphointí
- Cuireann bunú srian ar an tsamhail chun freagairt ach amháin ó fhoinsí fíoraithe
- Is é leid córais dian an chéad líne cosanta in aghaidh hailleacanáisiú
- Fíoraíonn bailíochtú tar éis giniúna bunú gach freagra go cláraithe
- Comhcheangail na straitéisí seo i bpíblíne muiníne illeibhéil
- Déan monatóireacht leanúnach ar mhéadracha bunaithe chun meath a bhrath