CompareSpecialCharsJson im LLM-Testsuite-Report
Testfallbeschreibung
Der Test prüft, ob ein Modell zwei Texte in JSON 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 | CompareSpecialCharsJson.txt |
|---|---|
| Serie | 1 |
| Kategorien | json, hyphens, semantics |
| Bewertung | Deterministisch |
| Prompt SHA-256 | 8e41d37dbdc6f8399c359b8ac9671c215fb65e78ead1f1a30f6c3abafb6f9434 |
Deterministisch: Die Antwort wird regelbasiert gegen ein erwartetes Ergebnis geprüft. Bewertet wird also, ob die geforderten Werte, Muster oder Strukturen in der Modellantwort gefunden werden.
Erwartetes Ergebnis
1
| Erwartung im Katalog | nein |
|---|---|
| Korrektes Ergebnis im Katalog | nein |
Prompt
{
"dokumentA": "Titel: Testtext mit Sonderzeichen\nAbschnitt 1\nDies ist ein Satz mit geschützten Leerzeichen: Wort A und Wort B.\nDies ist ein Satz mit schmalen Abständen: Wort C und Wort D.\nDies ist ein Satz mit einem Viertelgeviert: Alpha Beta.\nAbschnitt 2\nSoft Hyphens: information, kombinierbar, transparent.\nAbschnitt 3\nZeile eins↵\nZeile zwei.",
"dokumentB": "Titel: Testtext ohne Sonderzeichen\nAbschnitt 1\nDies ist ein Satz mit normalen Leerzeichen: Wort A und Wort B.\nDies ist ein Satz mit normalen Leerzeichen: Wort C und Wort D.\nDies ist ein Satz mit einfachem Leerzeichen: Alpha Beta.\nAbschnitt 2\nSoft Hyphens entfernt: information, kombinierbar, transparent.\nAbschnitt 3\nZeile eins\nZeile zwei.",
"ziel": "Vergleiche Satzkern",
"ausgabe": "1 oder 0"
}
811 Runs
798 bewertet
66.5 % Score
8.0 % exakt korrekt
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 %.