Groundedness
依据一致性
依据一致性是检查答案中的说法，是否得到提供给模型的来源支持。它只是其中一项评测，不是全球通用的单一分数。
另一个例子
审核人员拿一份答案和三段引用内容互相对照。每个说法会标成有证据、没证据或与证据相反；即使说法是真的，如果这些来源没有支持，仍可能缺乏依据。
主要部分
- 01答案主张
- 02来源上下文
- 03支持性判定
什么时候用
检查 AI 的答案能不能从提供的证据中得到支持时，可以使用这个词。
什么时候不要用
不要用依据一致性代替其他检查。仍要核查事实、相关性、完整性和来源质量。
代码里的名称
claims(answer) ↔ evidence(context) 上线前要检查
检查模型与提示词版本、参考数据、有版本号的评估集与指标。验证答案能否连回来源证据，也要检查工具权限与隐私。再检查常见失败、拒答、安全备用做法与人工复核。也要检查监控、成本、速度与恢复方式。
预期结果：使用或评估 依据一致性 (Groundedness)，让 AI 行为可以衡量，也能连回证据。 用户场景：审核人员拿一份答案和三段引用内容互相对照。每个说法会标成有证据、没证据或与证据相反；即使说法是真的，如果这些来源没有支持，仍可能缺乏依据。 AI 方法或概念：依据一致性 (Groundedness)。 适用理由：检查 AI 的答案能不能从提供的证据中得到支持时，可以使用这个词。 不应使用的情况：不要用依据一致性代替其他检查。仍要核查事实、相关性、完整性和来源质量。 AI 要求：定义输入与参考证据。设置模型和工具权限。使用有版本号的评估数据与指标。说明失败、拒答、隐私、速度与成本限制。 运营防护：保留可查询记录，并隐藏其中的敏感数据。提供用户看得懂的安全备用做法。标出必须由人工复核的步骤，并定义模型或提示词的恢复方式。 验收标准：在有版本号的评估集上记录当前基线与目标。测试边界案例与恶意输入。验证安全备用做法、监控、权限与恢复方式。 证据与限制（证据边界）：没有一份官方标准能涵盖全部内容。不同团队、平台或框架的用法可能不同。 待确认：目标任务、模型与版本、评估负责人、参考数据、风险阈值、工具权限，以及生产环境的安全备用做法。
检查这份需求
请 AI 编程助手检查当前如何使用 依据一致性 (Groundedness)。 定义：依据一致性是检查答案中的说法，是否得到提供给模型的来源支持。它只是其中一项评测，不是全球通用的单一分数。 生产环境检查：检查模型与提示词版本、参考数据、有版本号的评估集与指标。验证答案能否连回来源证据，也要检查工具权限与隐私。再检查常见失败、拒答、安全备用做法与人工复核。也要检查监控、成本、速度与恢复方式。 修改程序前，先列出看到的证据、缺口、严重程度，以及最小且安全的修正。