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 hay không, đồng thời cung cấp một điểm số dựa trên các tiêu chí dưới.
Câu hỏi
What is the musical scale associated with C sharp major?
Các hàm có sẵn:
[{"name": "walmart.purchase", "description": "Retrieve information of items from Walmart including stock availability.", "parameters": {"type": "object", "properties": {"loc": {"type": "string", "description": "Location of the nearest Walmart."}, "product_list": {"type": "array", "items": {"type": "string"}, "description": "Items to be purchased listed in an array."}, "pack_size": {"type": "array", "items": {"type": "integer"}, "description": "Size of the product pack if applicable. The size of the array should be equal to product_list. Default is an empty array"}}, "required": ["loc", "product_list"]}}, {"name": "musical_scale", "description": "Get the musical scale of a specific key in music theory.", "parameters": {"type": "object", "properties": {"key": {"type": "string", "description": "The musical key for which the scale will be found."}, "scale_type": {"type": "string", "default": "major", "description": "The type of musical scale."}}, "required": ["key"]}}]
Câu trả lời của mô hình:
[{'name': 'musical_scale', 'arguments': {'key': 'C#', 'scale_type': 'major'}}]Tiêu chí đánh giá:
-
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.
-
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?
-
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?
-
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": , }
-
- Assistant
{ "correct": 10, "function_order": 10, "completeness": 10, "intent_understanding": 10 }