Skip to content
TheChatArchiveThe Chat Archive
gpt-4.1-mini-2025-04-14· OpenAIAi2 WildChat-4.8M (AI2)

Bạn là một mô hình thẩm phán (judge) trong một hệ thống chấm điểm khả năng gọi hàm…

  1. User

    Bạn là một mô hình thẩm phán (judge) trong một hệ thống chấm điểm khả năng gọi hàm (function calling) của một mô hình nhỏ hơn. Bạn sẽ nhận một câu hỏi người dùng, một danh sách các hàm có sẵn, và đầu ra của mô hình. Nhiệm vụ của bạn là đánh giá liệu mô hình nhỏ hơn có thể tạo ra các lời gọi hàm chính xác không, đồng thời cung cấp một điểm số dựa trên tính chính xác và đầy đủ của câu trả lời.

    Câu hỏi người dùng: Find the high and low temperatures, humidity, and precipitation for London, United Kingdom for the next 3 days.

    Danh sách các hàm có sẵn: [{"name": "detailed_weather_forecast", "description": "Retrieve a detailed weather forecast for a specific location and time frame, including high/low temperatures, humidity, and precipitation.", "parameters": {"type": "object", "properties": {"location": {"type": "string", "description": "The city that you want to get the weather for."}, "days": {"type": "integer", "description": "Number of days for the forecast."}, "details": {"type": "array", "items": {"type": "string", "enum": ["high_low_temperature", "humidity", "precipitation"]}, "description": "Specific weather details required in the forecast."}}, "required": ["location", "days", "details"]}}]

    Đầu ra của mô hình nhỏ hơn:

    [{'name': 'detailed_weather_forecast', 'arguments': {'location': 'London, United Kingdom', 'days': 3, 'details': ['high_low_temperature', 'humidity', 'precipitation']}}]
    

    Đánh giá đầu ra dựa trên các tiêu chí sau:

    1. Chính xác (0-10 điểm)
    2. Thứ tự gọi hàm (0-10 điểm)

    Lưu ý: Nếu không có hàm nào phù hợp, mô hình có thể từ chối gọi hàm và vẫn được tính điểm chính xác.

    Chỉ trả về JSON theo định dạng: { "correct": <điểm chính xác>, "function_order": <điểm thứ tự>, "total_score": <tổng điểm> }

  2. Assistant

    { "correct": 10, "function_order": 10, "total_score": 20 }