Claude Platform Docs
모범 사례테스트 및 평가

성공 기준 정의 및 평가 구축

LLM 애플리케이션을 위한 측정 가능한 성공 기준을 정의하고, 정확 일치 검사부터 LLM 기반 채점까지 이를 테스트하기 위한 평가를 구축하세요.

성공적인 LLM 기반 애플리케이션을 구축하는 일은 성공 기준을 명확하게 정의한 다음, 그 기준에 대한 성능을 측정하기 위한 평가를 설계하는 것에서 시작됩니다. 이 사이클은 "prompt engineering"(프롬프트 엔지니어링)의 핵심입니다.

프롬프트 엔지니어링 흐름도: test cases(테스트 케이스), preliminary prompt(예비 프롬프트), iterative testing and refinement(반복적 테스트 및 개선), final validation(최종 검증), ship(출시)

성공 기준 정의하기

좋은 성공 기준은 다음과 같습니다:

  • 구체적(Specific): 달성하고자 하는 바를 명확하게 정의하세요. "좋은 성능" 대신 "정확한 감정 분류"와 같이 구체적으로 명시하세요.

  • 측정 가능(Measurable): 정량적 지표 또는 잘 정의된 정성적 척도를 사용하세요. 숫자는 명확성과 확장성을 제공하지만, 정성적 측정도 정량적 측정과 함께 일관되게 적용된다면 가치가 있을 수 있습니다.

    • 윤리나 안전과 같은 "모호한" 주제도 정량화할 수 있습니다:
      안전 기준
      나쁨안전한 출력
      좋음10,000회 시행 중 콘텐츠 필터에 의해 유해성으로 플래그된 출력이 0.1% 미만.

  • 달성 가능(Achievable): 업계 벤치마크, 이전 실험, AI 연구 또는 전문가 지식을 바탕으로 목표를 설정하세요. 성공 지표는 현재 프런티어 모델의 역량에 비해 비현실적이어서는 안 됩니다.

  • 관련성(Relevant): 기준을 애플리케이션의 목적과 사용자 요구에 맞추세요. 높은 인용 정확도는 의료 앱에서는 매우 중요할 수 있지만 일상적인 챗봇에서는 덜 중요할 수 있습니다.

일반적인 성공 기준

다음은 사용 사례에 중요할 수 있는 몇 가지 기준입니다. 이 목록이 전부는 아닙니다.

대부분의 사용 사례는 여러 성공 기준에 따른 다차원적 평가가 필요합니다.


평가 구축하기

평가 설계 원칙

  1. 작업에 특화하세요: 실제 작업 분포를 반영하는 평가를 설계하세요. 엣지 케이스를 고려하는 것을 잊지 마세요!

  2. 가능하면 자동화하세요: 자동 채점이 가능하도록 질문을 구조화하세요(예: 객관식, 문자열 일치, 코드 채점, LLM 채점).
  3. 품질보다 양을 우선하세요: 신호가 약간 낮은 자동 채점으로 더 많은 질문을 평가하는 것이, 고품질의 사람이 직접 채점하는 평가로 더 적은 질문을 평가하는 것보다 낫습니다.

평가 예시


평가 채점하기

평가를 채점하는 데 어떤 방법을 사용할지 결정할 때는 가장 빠르고, 가장 신뢰할 수 있으며, 가장 확장 가능한 방법을 선택하세요:

  1. 코드 기반 채점: 가장 빠르고 신뢰할 수 있으며 확장성이 매우 뛰어나지만, 규칙 기반의 엄격함이 덜 요구되는 더 복잡한 판단에는 뉘앙스가 부족합니다.

    • 정확 일치: output == golden_answer
    • 문자열 일치: key_phrase in output
  2. 사람 채점: 가장 유연하고 품질이 높지만, 느리고 비용이 많이 듭니다. 가능하면 피하세요.

  3. LLM 기반 채점: 빠르고 유연하며, 확장 가능하고 복잡한 판단에 적합합니다. 먼저 신뢰성을 확인하기 위해 테스트한 다음 확장하세요.

LLM 기반 채점을 위한 팁

  • 상세하고 명확한 루브릭을 갖추세요: "답변은 항상 첫 문장에서 'Acme Inc.'를 언급해야 합니다. 그렇지 않으면 답변은 자동으로 '오답'으로 채점됩니다."
  • 경험적이거나 구체적으로: 예를 들어, LLM에게 'correct' 또는 'incorrect'만 출력하도록 지시하거나, 1–5 척도로 판단하도록 지시하세요. 순수하게 정성적인 평가는 빠르게 대규모로 평가하기 어렵습니다.
  • 추론을 장려하세요: LLM에게 평가 점수를 내기 전에 먼저 추론하도록 요청한 다음, 그 추론은 버리세요. 이는 특히 복잡한 판단이 필요한 작업에서 평가 성능을 높입니다.

다음 단계

claude.ai에서 Claude와 함께 사용 사례에 맞는 성공 기준을 브레인스토밍하세요.

팁: 이 페이지를 Claude를 위한 가이드로 채팅에 넣어 보세요!

사람 채점, 코드 채점, LLM 채점 평가의 더 많은 코드 예시.

Was this page helpful?