Sari la conținutul principal
🔒 Mod previzualizare. Primele cincisprezece lecții Foundations sunt gratuite; aceasta este Pro. Pornește un trial de 7 zile pentru a debloca editorul, sugestiile AI și restul programului. Card necesar, anulează oricând în Dashboard.Pornește trial de 7 zile →
← CursuriAI Engineering with PythonModulul 3 · RAG (Recuperare-Augmented Generation)Citate și temeiniciewrite40 / 105
+100 XP
Sarcină
📝 **Întrebare:** Pretindeți-vă că un judecător LLM a adnotat deja fiecare propoziție cu fragmentul sursă care o susține (sau \`Niciun\` pentru neacceptat). **Scrieți funcția** \`goldness_score(annotated_sentences)\` care returnează \`(percent_grounded, halucinations)\`: - \`percent_grounded\` — proporția de propoziții cu o sursă non-Niciună, rotunjită la **o zecimală**. - \`halucinații\` — listă de șiruri de propoziții fără sursă \`text\`. Apoi rulați poarta pe acest răspuns de 5 propoziții și imprimați raportul: \`\`\` Întemeiat: 60,0% Halucinații: 2 - Veți primi 500 USD în credit în magazin. - Rambursările în aceeași zi sunt garantate. FLAG pentru revizuire umană \`\`\` Prag: \`>= 90.0\` → \`SHIP\`, altfel \`FLAG pentru revizuire umană\`. 60% înseamnă că 3 din 5 propoziții sunt întemeiate - două sunt halucinații pe care modelul le-a inventat. În producție, această poartă este diferența dintre „halucinația ocazională” și un incident vizibil de regulator. 📋 Alegeți răspunsul potrivit. 💡 **Sugestie:** Recitiți teoria de mai sus dacă nu sunteți sigur.
✏️ Scrie codul tău aici
🐍
Se încarcă Python...
Descărcare unică (~1 MB). După aceea, instant.
📊 Rezultat
Apasă Rulează pentru a vedea rezultatul...

💬 Discuție

Fii primul — pune o întrebare sau împărtășește un sfat.
Conectează-te pentru a te alătura discuției. Citirea este gratuită.
Se încarcă discuția…