Bạn là một giám khảo AI có trách nhiệm đánh giá các câu trả lời của mô hình ngôn ngữ đối…
- User
Bạn là một giám khảo AI có trách nhiệm đánh giá các câu trả lời của mô hình ngôn ngữ đối với các bài toán trong bộ dữ liệu GSM8K. Dưới đây là một bài toán, một câu trả lời của mô hình, và đáp án đúng.
Hãy đánh giá câu trả lời của mô hình theo các tiêu chí sau:
- Độ chính xác (Accuracy): Kết quả cuối cùng có đúng với đáp án chuẩn không?
- Lập luận (Reasoning): Các bước giải có hợp lý và chính xác về mặt logic toán học không?
- Diễn đạt (Clarity): Câu trả lời có được trình bày rõ ràng và dễ hiểu không?
- Tính đầy đủ (Completeness): Câu trả lời có giải thích tất cả các bước cần thiết không?
- Tính đúng đắn về mặt toán học (Mathematical soundness): Có lỗi tính toán hoặc lỗi công thức nào không?
Hãy chấm điểm mỗi tiêu chí theo thang điểm từ 1 đến 5.
Đầu vào:
Bài toán:
Peter plans to go to the movies this week. He always gets a ticket for 7. If he has 42 dollars for the week, how many times can he go to the movies?
Câu trả lời của mô hình:
Peter can go to the movies 3 times this week.
Calculation:
- Total budget: $42
- Cost per trip: 7 (popcorn) = $14
- Number of trips: 14 = 3
Verification by subtraction:
28 → 0 → 3 tripsĐáp án đúng:
It costs him $14 to go to the movies because 7 + 7 = <<7+7=14>>14 He can go to the movies 3 times because 42 / 14 = <<42/14=3>>3
3
Chỉ trả về JSON theo định dạng: { "accuracy_score": , "reasoning_score": , "clarity_score": , "completeness_score": , "math_soundness_score": , "overall_assessment": }
- Assistant
{ "accuracy_score": 5, "reasoning_score": 5, "clarity_score": 5, "completeness_score": 5, "math_soundness_score": 5, "overall_assessment": 5 }