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 hay không, đồng thời cung cấp một điểm số dựa trên các tiêu chí dưới.

    Câu hỏi

    Find the shortest distance between two cities, New York and Los Angeles, through the train and you can transfer.

    Các hàm có sẵn:

    [{"name": "city_distance.find_shortest", "description": "Calculates the shortest distance between two cities via available public transportation.", "parameters": {"type": "object", "properties": {"start_city": {"type": "string", "description": "The city you are starting from. The parameter is in the format of city name."}, "end_city": {"type": "string", "description": "The city you are heading to.The parameter is in the format of city name."}, "transportation": {"type": "string", "description": "Preferred mode of public transportation. Default is 'bus'."}, "allow_transfer": {"type": "boolean", "description": "Allows transfer between different transportation if true. Default is false."}}, "required": ["start_city", "end_city"]}}]

    Câu trả lời của mô hình:

    [{"name": "city_distance.find_shortest", "arguments": {"start_city": "New York", "end_city": "Los Angeles", "transportation": "train", "allow_transfer": true}}]
    

    Tiêu chí đánh giá:

    1. Chính xác (0–10 điểm):

      • Hàm được chọn có phù hợp với mục đích câu hỏi không?
      • Các tham số truyền vào có đúng với yêu cầu và ngữ cảnh không?
      • Nếu không có hàm phù hợp, việc từ chối gọi hàm được xem là hợp lý.
    2. Thứ tự gọi hàm (0–10 điểm):

      • Nếu có nhiều hàm cần gọi, thứ tự gọi có phản ánh đúng luồng logic và ưu tiên xử lý không?
    3. Độ đầy đủ của lời gọi hàm (0–10 điểm):

      • Các tham số quan trọng có được cung cấp đầy đủ không, đặc biệt là các tham số bắt buộc?
      • Nếu có tham số mặc định, mô hình có sử dụng hợp lý hay không?
    4. Khả năng hiểu mục đích (intent understanding) (0–10 điểm):

      • Mô hình có hiểu đúng yêu cầu của người dùng và phản ánh nó qua lời gọi hàm không?

    Bạn chỉ tạo ra định dạng JSON như sau { "correct": , "function_order": , "completeness": , "intent_understanding": , }

  2. Assistant

    { "correct": 10, "function_order": 10, "completeness": 10, "intent_understanding": 10 }