Weave local scorers

Weave의 로컬 스코러는 최소한의 지연 시간으로 사용자의 기기에서 로컬로 실행되는 소형 언어 모델 모음입니다. 이러한 모델은 AI 시스템의 입력, 컨텍스트 및 출력의 안전성과 품질을 평가합니다.

이러한 모델 중 일부는 Weights & Biases에 의해 미세 조정되었으며, 다른 일부는 커뮤니티에서 훈련한 최첨단 오픈 소스 모델입니다. 훈련 및 평가에는 Weights & Biases(W&B) Reports가 사용되었습니다. 전체 세부 정보는 다음에서 확인할 수 있습니다 W&B Reports 목록.

모델 가중치는 W&B Artifacts에서 공개적으로 사용 가능하며, 스코러 클래스를 인스턴스화할 때 자동으로 다운로드됩니다. 직접 다운로드하려면 다음에서 아티팩트 경로를 찾을 수 있습니다: weave.scorers.default_models

이러한 스코러가 반환하는 객체에는 passed 입력 텍스트가 안전하거나 고품질인지 나타내는 boolean 속성과 metadata 모델의 원시 점수와 같은 더 자세한 정보를 포함하는 속성이 있습니다.

로컬 스코러는 CPU와 GPU에서 실행할 수 있지만, 최상의 성능을 위해 GPU를 사용하세요.

Python

사전 요구 사항

Weave 로컬 스코러를 사용하기 전에 추가 종속성을 설치하세요:

pip install weave[scorers]

스코러 선택

다음과 같은 로컬 스코러를 사용할 수 있습니다. 사용 사례에 따라 스코러를 선택하세요.

스코러	시나리오
WeaveToxicityScorerV1	AI 시스템의 입력 및 출력에서 혐오 발언이나 위협 등 유해하거나 독성이 있는 콘텐츠를 식별합니다.
WeaveBiasScorerV1	AI 시스템의 입력 및 출력에서 편향되거나 고정관념적인 콘텐츠를 감지합니다. 생성된 텍스트에서 유해한 편향을 줄이는 데 이상적입니다.
WeaveHallucinationScorerV1	RAG 시스템이 제공된 입력 및 컨텍스트를 기반으로 출력에서 환각을 생성하는지 식별합니다.
WeaveContextRelevanceScorerV1	AI 시스템의 출력이 제공된 입력 및 컨텍스트와 관련이 있는지 측정합니다.
WeaveCoherenceScorerV1	AI 시스템 출력의 일관성과 논리적 구조를 평가합니다.
WeaveFluencyScorerV1	AI 시스템의 출력이 유창한지 측정합니다.
WeaveTrustScorerV1	독성, 환각, 컨텍스트 관련성, 유창성 및 일관성 스코러를 활용하는 집계 스코러입니다.
PresidioScorer	Microsoft의 Presidio 라이브러리를 사용하여 AI 시스템의 입력 및 출력에서 개인 식별 정보(PII)를 감지합니다.

WeaveBiasScorerV1

이 스코러는 두 가지 차원에서 성별 및 인종/출신 편향을 평가합니다:

• 인종 및 출신: 인종차별 및 국가나 지역 출신, 이민 상태, 민족성 등에 대한 편향.
• 성별 및 성적 지향: 성차별, 여성 혐오, 동성애 혐오, 트랜스젠더 혐오, 성희롱 등.

WeaveBiasScorerV1는 미세 조정된 deberta-small-long-nli 모델을 사용합니다. 모델, 데이터셋 및 보정 프로세스에 대한 자세한 내용은 WeaveBiasScorerV1 W&B Report를 참조하세요.

사용 참고 사항

• 이 score 메서드는 output 매개변수에 문자열을 전달해야 합니다.
• 점수가 높을수록 텍스트에서 편향에 대한 예측이 더 강합니다.
• 이 threshold 매개변수는 설정되어 있지만 초기화 시 재정의할 수도 있습니다.

사용 예시

import weave
from weave.scorers import WeaveBiasScorerV1

bias_scorer = WeaveBiasScorerV1()
result = bias_scorer.score(output="Martian men are terrible at cleaning")

print(f"The text is biased: {not result.passed}")
print(result)

---

WeaveToxicityScorerV1

이 스코러는 다섯 가지 차원에서 입력 텍스트의 독성을 평가합니다:

• 인종 및 출신: 인종차별 및 국가나 지역 출신, 이민 상태, 민족성 등에 대한 편향.
• 성별 및 성적 지향: 성차별, 여성 혐오, 동성애 혐오, 트랜스젠더 혐오, 성희롱 등.
• Religious: Bias or stereotypes against someone’s religion.
• Ability: Bias related to someone’s physical, mental, or intellectual ability or disability.
• 폭력 및 학대: 폭력에 대한 지나치게 그래픽한 묘사, 폭력 위협 또는 폭력 선동.

이 WeaveToxicityScorerV1는 오픈 소스 Celadon 모델을 PleIAs에서 사용합니다. 자세한 내용은 WeaveToxicityScorerV1 W&B Report를 참조하세요.

사용 참고 사항

• 이 score 메서드는 output 매개변수에 문자열을 전달해야 합니다.
• 이 모델은 0에서 3까지 다섯 가지 다른 카테고리에 대한 점수를 반환합니다:
  • 이러한 점수의 합계가 total_threshold (기본값 5) 이상이면 입력이 독성이 있는 것으로 표시됩니다.
  • 단일 카테고리의 점수가 category_threshold (기본값 2) 이상이면 입력이 독성이 있는 것으로 표시됩니다.
• 필터링을 더 적극적으로 만들려면 초기화 중에 category_threshold 또는 total_threshold를 재정의하세요.

사용 예시

import weave
from weave.scorers import WeaveToxicityScorerV1

toxicity_scorer = WeaveToxicityScorerV1()
result = toxicity_scorer.score(output="people from the south pole of Mars are the worst")

print(f"Input is toxic: {not result.passed}")
print(result)

---

WeaveHallucinationScorerV1

이 스코러는 AI 시스템의 출력에 입력 데이터를 기반으로 한 환각이 포함되어 있는지 확인합니다.

이 WeaveHallucinationScorerV1는 오픈 소스 HHEM 2.1 model을 Vectara에서 사용합니다. 자세한 내용은 WeaveHallucinationScorerV1 W&B Report를 참조하세요.

사용 참고 사항

• 이 score 메서드는 query와 output 매개변수에 값을 전달해야 합니다.
• 컨텍스트는 output 매개변수에 전달해야 합니다(문자열 또는 문자열 목록으로).
• 출력 점수가 높을수록 출력에서 환각에 대한 예측이 더 강합니다.
• 이 threshold 매개변수는 설정되어 있지만 초기화 시 재정의할 수 있습니다.

사용 예시

import weave
from weave.scorers import WeaveHallucinationScorerV1

hallucination_scorer = WeaveHallucinationScorerV1()

result = hallucination_scorer.score(
    query="What is the capital of Antarctica?",
    context="People in Antarctica love the penguins.",
    output="While Antarctica is known for its sea life, penguins aren't liked there."
)

print(f"Output is hallucinated: {not result.passed}")
print(result)

---

WeaveContextRelevanceScorerV1

이 스코러는 RAG 시스템을 평가할 때 사용하도록 설계되었습니다. 쿼리에 대한 컨텍스트의 관련성을 점수화합니다.

이 WeaveContextRelevanceScorerV1는 미세 조정된 deberta-small-long-nli 모델을 tasksource에서 사용합니다. 자세한 내용은 WeaveContextRelevanceScorerV1 W&B Report를 참조하세요.

사용 참고 사항

• 이 score 메서드는 query와 output 값을 기대합니다.
• 컨텍스트는 output 매개변수에 전달해야 합니다(문자열 또는 문자열 목록).
• 점수가 높을수록 컨텍스트가 쿼리와 관련이 있다는 예측이 더 강합니다.
• 청크별 점수를 얻으려면 verbose=True를 score 메서드에 전달할 수 있습니다.

사용 예시

import weave
from weave.scorers import WeaveContextRelevanceScorerV1

context_relevance_scorer = WeaveContextRelevanceScorerV1()

result = context_relevance_scorer.score(
    query="What is the capital of Antarctica?",
    output="The Antarctic has the happiest penguins."  # context is passed to the output parameter
)

print(f"Output is relevant: {result.passed}")
print(result)

WeaveCoherenceScorerV1

이 스코러는 입력 텍스트가 일관성이 있는지 확인합니다.

이 WeaveCoherenceScorerV1는 미세 조정된 deberta-small-long-nli 모델을 tasksource에서 사용합니다. 자세한 내용은 WeaveCoherenceScorerV1 W&B Report.

사용 참고사항

• The score method expects text to be passed to the query and output parameters.
• 더 높은 출력 점수는 일관성에 대한 더 강한 예측을 의미합니다.

사용 예시

import weave
from weave.scorers import WeaveCoherenceScorerV1

coherence_scorer = WeaveCoherenceScorerV1()

result = coherence_scorer.score(
    query="What is the capital of Antarctica?",
    output="but why not monkey up day"
)

print(f"Output is coherent: {result.passed}")
print(result)

---

WeaveFluencyScorerV1

이 평가기는 입력 텍스트가 유창한지—즉, 자연스러운 인간 언어와 유사하게 읽고 이해하기 쉬운지 평가합니다. 문법, 구문 및 전반적인 가독성을 평가합니다.

The WeaveFluencyScorerV1 uses a fine-tuned ModernBERT-base model from AnswerDotAI. For more information, see the WeaveFluencyScorerV1 W&B Report.

사용 참고사항

• The score method expects text to be passed to the output parameter.
• 더 높은 출력 점수는 더 높은 유창성을 나타냅니다.

사용 예시

import weave
from weave.scorers import WeaveFluencyScorerV1

fluency_scorer = WeaveFluencyScorerV1()

result = fluency_scorer.score(
    output="The cat did stretching lazily into warmth of sunlight."
)

print(f"Output is fluent: {result.passed}")
print(result)

---

WeaveTrustScorerV1

The WeaveTrustScorerV1 is a composite scorer for RAG systems that evaluates the trustworthiness of model outputs by grouping other scorers into two categories: Critical and Advisory. Based on the composite score, it returns a trust level:

• high: 문제가 감지되지 않음
• medium: Advisory 문제만 감지됨
• low: Critical 문제가 감지되거나 입력이 비어 있음

Critical 평가기에서 실패한 모든 입력은 low trust level로 결과가 나옵니다. Advisory 평가기에서 실패하면 medium.

• Critical:

  • WeaveToxicityScorerV1
  • WeaveHallucinationScorerV1
  • WeaveContextRelevanceScorerV1

• Advisory:

  • WeaveFluencyScorerV1
  • WeaveCoherenceScorerV1

사용 참고사항

• 이 평가기는 RAG 파이프라인을 평가하기 위해 설계되었습니다.
• It requires query, context, and output keys for correct scoring.

사용 예시

import weave
from weave.scorers import WeaveTrustScorerV1

trust_scorer = WeaveTrustScorerV1()

def print_trust_scorer_result(result):
    print()
    print(f"Output is trustworthy: {result.passed}")
    print(f"Trust level: {result.metadata['trust_level']}")
    if not result.passed:
        print("Triggered scorers:")
        for scorer_name, scorer_data in result.metadata['raw_outputs'].items():
            if not scorer_data.passed:
                print(f"  - {scorer_name} did not pass")
    print()
    print(f"WeaveToxicityScorerV1 scores: {result.metadata['scores']['WeaveToxicityScorerV1']}")
    print(f"WeaveHallucinationScorerV1 scores: {result.metadata['scores']['WeaveHallucinationScorerV1']}")
    print(f"WeaveContextRelevanceScorerV1 score: {result.metadata['scores']['WeaveContextRelevanceScorerV1']}")
    print(f"WeaveCoherenceScorerV1 score: {result.metadata['scores']['WeaveCoherenceScorerV1']}")
    print(f"WeaveFluencyScorerV1: {result.metadata['scores']['WeaveFluencyScorerV1']}")
    print()

result = trust_scorer.score(
    query="What is the capital of Antarctica?",
    context="People in Antarctica love the penguins.",
    output="The cat stretched lazily in the warm sunlight."
)

print_trust_scorer_result(result)
print(result)

---

PresidioScorer

이 평가기는 Presidio library를 사용하여 AI 시스템의 입력 및 출력에서 개인 식별 정보(PII)를 감지합니다.

사용 참고사항

• 이메일이나 전화번호와 같은 특정 엔티티 유형을 지정하려면 Presidio 엔티티 목록을 selected_entities 매개변수에 전달하세요. 그렇지 않으면 Presidio는 기본 엔티티 목록에 있는 모든 엔티티 유형을 감지합니다.
• 이메일이나 전화번호와 같은 특정 엔티티 유형을 감지하려면 목록을 selected_entities 매개변수에 전달하세요.
• 사용자 정의 인식기는 custom_recognizers 매개변수를 통해 presidio.EntityRecognizer 인스턴스 목록으로 전달할 수 있습니다.
• 영어가 아닌 입력을 처리하려면 language 매개변수를 사용하여 언어를 지정하세요.

사용 예시

import weave
from weave.scorers import PresidioScorer

presidio_scorer = PresidioScorer()

result = presidio_scorer.score(
    output="Mary Jane is a software engineer at XYZ company and her email is [e-mail]."
)

print(f"Output contains PII: {not result.passed}")
print(result)