行业与实践 · 标签「TruthfulQA」

工具与框架/2026-10-23/10 分钟

Promptfoo 事实性：子集、超集、一致、冲突、措辞不同

Promptfoo 用 OpenAI evals 的五类标签给模型打分。默认 A、B、C、E 记 1.0 通过，D 记 0.0 失败。参考写成「巴黎是法国的首都」，多写埃菲尔铁塔仍算超集；写成里昂则是冲突。