Маппинг колонок¶

Вкладка Columns сопоставляет колонки вашего датасета с полями EvalTestCase, используемыми метриками оценки.

Вкладка Columns

Поля маппинга¶

Поле	Обязательное	Описание	Значение по умолчанию
input	Да	Запрос / вопрос пользователя	`input`
expected_output	Нет	Эталонный ответ (для метрик точности)	`expected_output`
expected_tools	Нет	Ожидаемые инструменты для Agent-метрик	`expected_tools`

Как работает маппинг колонок¶

При запуске оценки каждая строка датасета преобразуется в EvalTestCase. Маппинг колонок указывает системе, какая колонка датасета соответствует какому полю тестового кейса:

CSV-датасет:
┌──────────────────────┬────────────────────────┐
│ question             │ correct_answer         │
├──────────────────────┼────────────────────────┤
│ What is Python?      │ A programming language │
│ What is RAG?         │ Retrieval Augmented... │
└──────────────────────┴────────────────────────┘

Маппинг колонок:
  input → "question"
  expected_output → "correct_answer"

Tip

Имена колонок должны точно совпадать с заголовками в загруженном датасете. После загрузки датасета на шаге 2 доступные имена колонок будут отображены автоматически.

Какие метрики требуют какие поля¶

Тип метрики	Обязательные поля
Answer Relevancy	`input`, `actual_output`
Answer Precision	`input`, `actual_output`, `expected_output`
Faithfulness	`actual_output`, `retrieval_context`
Contextual Relevancy	`input`, `retrieval_context`
Tool Correctness	`tools_called`, `expected_tools`

Поля actual_output и retrieval_context извлекаются из ответа API (настраиваются на вкладке Response), а не из датасета.