CompareSpecialCharsMarkdown im LLM-Testsuite-Report
Testfallbeschreibung
Der Test prüft, ob ein Modell zwei Texte in Markdown 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 | CompareSpecialCharsMarkdown.txt |
|---|---|
| Serie | 1 |
| Kategorien | md, hyphens, semantics |
| Bewertung | Deterministisch |
| Prompt SHA-256 | 4604fb82f64392e3d1b48ebc88fe7ddb7cf7c774df58f83836a0747b2533c090 |
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
## Dokument A mit Sonderzeichen Titel: Testtext mit Sonderzeichen Dies ist ein Satz mit geschützten Leerzeichen: Wort A und Wort B. Dies ist ein Satz mit schmalen Abständen: Wort C und Wort D. Dies ist ein Satz mit einem Viertelgeviert: Alpha Beta. Soft Hyphens: information, kombinierbar, transparent. Zeile eins↵ Zeile zwei. ## Dokument B ohne Sonderzeichen Titel: Testtext ohne Sonderzeichen Dies ist ein Satz mit normalen Leerzeichen: Wort A und Wort B. Dies ist ein Satz mit einfachen Leerzeichen: Wort C und Wort D. Alpha Beta. Soft Hyphens entfernt: information, kombinierbar, transparent. Zeile eins Zeile zwei. ## Aufgabe Vergleiche Satzkern. Ausgabe nur 1 oder 0.
798 Runs
785 bewertet
60.2 % Score
15.2 % 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 %.