강력한 경험적 평가 만들기

성공 기준을 정의한 후, 다음 단계는 해당 기준에 대한 LLM 성능을 측정하는 평가를 설계하는 것입니다. 이는 프롬프트 엔지니어링 사이클의 중요한 부분입니다.

이 가이드는 테스트 케이스를 개발하는 방법에 중점을 둡니다.

평가 및 테스트 케이스 구축

평가 설계 원칙

1. 작업별 특화: 실제 작업 분포를 반영하는 평가를 설계하세요. 엣지 케이스도 고려하는 것을 잊지 마세요!

   엣지 케이스 예시

2. 가능한 한 자동화: 자동화된 채점이 가능하도록 질문을 구조화하세요 (예: 객관식, 문자열 매치, 코드 채점, LLM 채점).
3. 품질보다 양을 우선시: 약간 낮은 신호의 자동화된 채점으로 더 많은 질문을 하는 것이 고품질 인간 수동 채점으로 적은 질문을 하는 것보다 낫습니다.

평가 예시

평가 채점

평가를 채점하는 데 사용할 방법을 결정할 때는 가장 빠르고, 가장 신뢰할 수 있고, 가장 확장 가능한 방법을 선택하세요:

1. 코드 기반 채점: 가장 빠르고 가장 신뢰할 수 있으며, 매우 확장 가능하지만, 규칙 기반 경직성이 덜 필요한 더 복잡한 판단에 대한 미묘함이 부족합니다.

   • 정확한 매치: output == golden_answer
   • 문자열 매치: key_phrase in output

2. 인간 채점: 가장 유연하고 고품질이지만 느리고 비쌉니다. 가능하면 피하세요.

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

LLM 기반 채점을 위한 팁

• 상세하고 명확한 루브릭 보유: "답변은 항상 첫 번째 문장에서 'Acme Inc.'를 언급해야 합니다. 그렇지 않으면 답변은 자동으로 '부정확'으로 채점됩니다."
  주어진 사용 사례 또는 해당 사용 사례의 특정 성공 기준조차도 전체적인 평가를 위해 여러 루브릭이 필요할 수 있습니다.
• 경험적 또는 구체적: 예를 들어, LLM에게 '정확' 또는 '부정확'만 출력하도록 지시하거나 1-5 척도로 판단하도록 지시하세요. 순전히 정성적인 평가는 빠르고 대규모로 평가하기 어렵습니다.
• 추론 장려: LLM에게 평가 점수를 결정하기 전에 먼저 생각하도록 요청한 다음 추론을 버리세요. 이는 특히 복잡한 판단이 필요한 작업에서 평가 성능을 향상시킵니다.

다음 단계