使用 Amazon Bedrock 評估來評估 RAG 來源的效能

您可以使用計算指標來評估檢索增強生成 (RAG) 系統從資料來源擷取相關資訊的有效性，以及產生的回應在回答問題方面的效果。RAG 評估的結果可讓您比較不同的 Amazon Bedrock 知識庫和其他 RAG 來源，然後為應用程式選擇最佳的知識庫或 RAG 系統。

您可以設定兩種不同類型的 RAG 評估任務。

僅限擷取：在僅擷取 RAG 評估任務中，報告是以從 RAG 來源擷取的資料為基礎。您可以評估 Amazon Bedrock 知識庫，也可以從外部 RAG 來源取得自己的推論回應資料。
擷取和產生：在 retrieve-and-generate RAG 評估任務中，報告是以從知識庫擷取的資料，以及回應產生器模型產生的摘要為基礎。您可以使用 Amazon Bedrock 知識庫和回應產生器模型，也可以從外部 RAG 來源取得自己的推論回應資料。

支援的模型

若要建立 RAG 評估任務，您需要存取下列清單中至少一個評估器模型。若要建立使用 Amazon Bedrock 模型產生回應的 retrieve-and-generate 任務，您也需要存取至少一個列出的產生器回應模型。

若要進一步了解如何存取模型和區域可用性，請參閱存取 Amazon Bedrock 基礎模型。

列出的模型支援跨區域推論設定檔。如需詳細資訊，請參閱支援的跨區域推論設定檔。

列出的模型支援跨區域推論設定檔。如需詳細資訊，請參閱支援的跨區域推論設定檔。

您可以在 Amazon Bedrock 中使用下列模型類型，作為評估任務中的回應產生器模型。您也可以從非 Amazon Bedrock 模型取得自己的推論回應資料。

您的瀏覽器已停用或無法使用 Javascript。

您必須啟用 Javascript，才能使用 AWS 文件。請參閱您的瀏覽器說明頁以取得說明。

停止工作

提示資料集