一种基于分支式拼接的低成本检索增强生成评测方法

本发明公开了一种基于分支式拼接的低成本检索增强生成评测方法，涉及自然语言处理的检索增强生成技术领域，将训练数据进行“检索问题+输出答案”、“检索问题+检索结果列表”、“检索结果列表+输出答案”的重新分组，用于分别判断语言大模型的答案相关性、上下文相关性和忠实性，针对答案相关性，利用词袋模型和TF‑IDF模型，计算Jaccard相似度、余弦相似度等多种指标；针对忠实性，计算MRR、MSR等指标；针对上下文相关性，使用了基于Textrank的文本处理方法，最终对每一项指标进行综合考量，直到达到预定目标。这种方法不仅提高了评测的全面性和可靠性，也有效降低了评测过程中的主观性和偶然性，使得评测结果更加客观、可信。