CompareSpecialCharsYaml im LLM-Testsuite-Report
Testfallbeschreibung
Der Test prüft, ob ein Modell zwei Texte in YAML 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 | CompareSpecialCharsYaml.txt |
|---|---|
| Serie | 1 |
| Kategorien | yaml, hyphens, semantics |
| Bewertung | Deterministisch |
| Prompt SHA-256 | fe40d7d4b06d9074bcc477e8132510cbf76695fef3b1969d5c78106b3cdb9e4b |
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
abschnittA:
dokumentA: |
Titel: Testtext mit Sonderzeichen
Abschnitt 1
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.
Abschnitt 2
Soft Hyphens: information, kombinierbar, transparent.
Abschnitt 3
Zeile eins↵
Zeile zwei.
dokumentB: |
Titel: Testtext ohne Sonderzeichen
Abschnitt 1
Dies ist ein Satz mit normalen Leerzeichen: Wort A und Wort B.
Dies ist ein Satz mit normalen Leerzeichen: Wort C und Wort D.
Dies ist ein Satz mit einfachem Leerzeichen: Alpha Beta.
Abschnitt 2
Soft Hyphens entfernt: information, kombinierbar, transparent.
Abschnitt 3
Zeile eins
Zeile zwei.
abschnittB:
ziel: Prüfe, ob beide Dokumente den gleichen Satzkern haben
ausgabe:
nur: Zahl 1 oder 0
807 Runs
792 bewertet
60.9 % Score
10.9 % 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 %.