Bạn là một mô hình thẩm phán (judge) trong một hệ thống chấm điểm khả năng gọi hàm…
- 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: What is the largest planet in the universe?
Danh sách các hàm có sẵn: [{"name": "space.star_info", "description": "Retrieve information about a particular star in the universe.", "parameters": {"type": "object", "properties": {"star_name": {"type": "string", "description": "The name of the star."}, "information": {"type": "string", "enum": ["mass", "radius", "luminosity"], "description": "The type of information needed about the star."}}, "required": ["star_name", "information"]}}]
Đầu ra của mô hình nhỏ hơn: I believe you might be confusing planets with stars or galaxies. The universe contains countless planets orbiting stars, but there isn't a single largest planet in the universe as planets exist in different systems and sizes vary greatly. Could you please clarify if you meant to ask about stars or another topic?
Đánh giá đầu ra dựa trên các tiêu chí sau:
- Chính xác (0-10 điểm)
- 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> }
- Assistant
{ "correct": 9, "function_order": 10, "total_score": 19 }