Groundedness
根拠の有無
根拠性(Groundedness)は、回答内の主張がモデルに与えられた情報源によってどれだけ裏付けられているかを問います。これはテストの一分野であり、世界的な標準スコアではありません。
もう一つの例
レビュアーは1つの回答を3つの引用箇所と照合します。各主張は「支持されている」「支持されていない」「証拠に反している」のいずれかでマークされます。これらの情報源が支持しない場合、真実の主張であっても根拠がないと見なされます。
主な部分
- 01回答主張
- 02ソースコンテキスト
- 03サポート判断
以下の場合に使用します
AIの回答が与えられた証拠から導かれるかどうかを確認する場合、この用語を使用します。
以下の場合は使用しないでください
事実、関連性、完全性、または情報源の品質を確認する代わりに、根拠を使用しないでください。
コードで使用する名前
claims(answer) ↔ evidence(context) 出荷前に
Check the model and prompt versions, source data, versioned evaluation set, and measures. Verify links to evidence, tool permissions, privacy, common failures, decline-to-answer and fallback behavior, human review, monitoring, cost, speed, and rollback.
Outcome:Complete the task with 根拠の有無 (Groundedness)。 User context:レビュアーは1つの回答を3つの引用箇所と照合します。各主張は「支持されている」「支持されていない」「証拠に反している」のいずれかでマークされます。これらの情報源が支持しない場合、真実の主張であっても根拠がないと見なされます。 AI method or concept:根拠の有無 (Groundedness)。 Why it fits:AIの回答が与えられた証拠から導かれるかどうかを確認する場合、この用語を使用します。 Do not use it when:事実、関連性、完全性、または情報源の品質を確認する代わりに、根拠を使用しないでください。 AI requirements: Define the input and source evidence. Set model and tool permissions. Use versioned evaluation data and measures. Define failure, decline-to-answer, privacy, speed, and cost limits. Operational safeguards: Keep a clear trace and hide sensitive log data. Show users a safe fallback. Mark steps that need human review. Define how to roll back the model or prompt. Acceptance criteria: Record baseline and target measures on a versioned evaluation set. Test edge cases and hostile inputs. Verify fallback, monitoring, permissions, and rollback. Evidence and limits (evidence boundary):単一の公式標準が全体の用語を管理するわけではありません。その意味はチーム、プラットフォーム、またはフレームワークによって変わる可能性があります。 Unknowns to confirm: Target task, model and version, evaluation owner, source data, risk limit, tool permissions, and production fallback.
このリクエストを確認する
Review how 根拠の有無 (Groundedness) is used now. Definition: 根拠性(Groundedness)は、回答内の主張がモデルに与えられた情報源によってどれだけ裏付けられているかを問います。これはテストの一分野であり、世界的な標準スコアではありません。 Release checks: Check the model and prompt versions, source data, versioned evaluation set, and measures. Verify links to evidence, tool permissions, privacy, common failures, decline-to-answer and fallback behavior, human review, monitoring, cost, speed, and rollback. Before changing code, list the evidence, gaps, severity, and the smallest safe fix.