Groundedness
근거성
근거성(Groundedness)은 답변의 주장이 모델에 제공된 출처에 얼마나 잘 뒷받침되는지를 묻습니다. 이는 한 가지 테스트 영역일 뿐, 전 세계적으로 통용되는 표준 점수가 아닙니다.
다른 예시
검토자는 세 개의 인용 문단과 하나의 답변을 비교합니다. 각 주장은 근거 있음, 근거 없음, 또는 증거와 상반됨으로 표시됩니다. 이러한 출처들이 이를 뒷받침하지 않는다면, 사실인 주장일지라도 근거가 없다고 판단될 수 있습니다.
주요 부분
- 01답변 주장
- 02소스 컨텍스트
- 03지원 판단
사용할 때
AI 답변이 제공된 증거에서 도출되는지 점검할 때 이 용어를 사용하세요.
다음 경우에는 사용하지 마세요
사실 확인, 관련성, 완전성 또는 출처 품질을 확인하는 대신 근거를 사용하지 마십시오.
코드에서 사용된 이름
claims(answer) ↔ evidence(context) 출시하기 전에
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 근거성 (Groundedness)。 User context：검토자는 세 개의 인용 문단과 하나의 답변을 비교합니다. 각 주장은 근거 있음, 근거 없음, 또는 증거와 상반됨으로 표시됩니다. 이러한 출처들이 이를 뒷받침하지 않는다면, 사실인 주장일지라도 근거가 없다고 판단될 수 있습니다. AI method or concept：근거성 (Groundedness)。 Why it fits：AI 답변이 제공된 증거에서 도출되는지 점검할 때 이 용어를 사용하세요. Do not use it when：사실 확인, 관련성, 완전성 또는 출처 품질을 확인하는 대신 근거를 사용하지 마십시오. 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)：하나의 공식 표준이 전체 용어를 통제하지 않음. 의미는 팀, 플랫폼 또는 프레임워크마다 달라질 수 있음. Unknowns to confirm: Target task, model and version, evaluation owner, source data, risk limit, tool permissions, and production fallback.
이 요청을 확인하세요
Review how 근거성 (Groundedness) is used now. Definition: 근거성(Groundedness)은 답변의 주장이 모델에 제공된 출처에 얼마나 잘 뒷받침되는지를 묻습니다. 이는 한 가지 테스트 영역일 뿐, 전 세계적으로 통용되는 표준 점수가 아닙니다. 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.