CompareSpecialCharsDita im LLM-Testsuite-Report
Testfallbeschreibung
Der Test prüft, ob ein Modell zwei Texte in DITA korrekt inhaltlich miteinander vergleicht, obwohl im ersten Dokument verschiedene Sonderzeichen vorkommen. Entscheidend ist, dass der Satzkern identifiziert und die Übereinstimmung ausschließlich als 1 oder 0 bewertet wird.
| Quelldatei | CompareSpecialCharsDita.txt |
|---|---|
| Serie | 1 |
| Kategorien | dita, xml, hyphens |
| Bewertung | Deterministisch |
| Prompt SHA-256 | 87f884ec51b20aaaa48b1ddccec22fe76169af8bb2b42156a11fb01ba9be54f5 |
Erwartetes Ergebnis
1
| Erwartung im Katalog | nein |
|---|---|
| Korrektes Ergebnis im Katalog | nein |
Prompt
<topic id="compare-special" xmlns="http://dita.oasis-open.org/architecture/2005/"> <title>Dokumentenvergleich mit Sonderzeichen</title> <section> <title>Dokument A</title> <p>Titel: Testtext mit Sonderzeichen</p> <p>Dies ist ein Satz mit geschützten Leerzeichen: Wort A und Wort B.</p> <p>Dies ist ein Satz mit schmalen Abständen: Wort C und Wort D.</p> <p>Alpha Beta.</p> <p>Soft Hyphens: information, kombinierbar, transparent.</p> <p>Zeile eins↵ Zeile zwei.</p> </section> <section> <title>Dokument B</title> <p>Titel: Testtext ohne Sonderzeichen</p> <p>Dies ist ein Satz mit normalen Leerzeichen: Wort A und Wort B.</p> <p>Dies ist ein Satz mit einfachen Leerzeichen: Wort C und Wort D.</p> <p>Alpha Beta.</p> <p>Soft Hyphens entfernt: information, kombinierbar, transparent.</p> <p>Zeile eins Zeile zwei.</p> </section> <section> <title>Aufgabe</title> <p>Vergleiche Satzkern und gib nur 1 oder 0 aus.</p> </section> </topic>
Hilfe zu Bewertung, Score und exakter Korrektheit
Score ist eine abgestufte Gütebewertung: correct = 100 %, mostly_correct = 80 %, partial = 50 %, wrong/not_answered = 0 %.
Exakt korrekt ist strenger: Nur Runs mit dem Label correct zählen. Mostly correct erhöht den Score, zählt aber nicht als exakt korrekt.
Bewertet zählt alle Runs mit fachlichem Urteil. Bei LLM-Judge-Ergebnissen zählen auch Judge-Fehler als bewertet, aber mit Score 0 %.





