# 可靠性
**可靠性评估器**
表1评估器信息 
| 分类                                                || 详情                             |
|:---|---|:---|
| 基础信息   | 评估器名称  | 可靠性。                          |
| 效果说明 | 功能概述   | 评估模型回答的可靠性，判断是否包含不确定、矛盾或误导性内容。 |
| 效果说明 | 评估方式   | 模型判定。                       |
| 效果说明 | 评估目标   | 输出质量。                          |
| 效果说明 | 类型       | 单轮对话。                            |
| 效果说明 | 适用场景    | 离线评估、在线评估。                      |
| 效果说明 | 应用场景  | 评估模型回答的可靠性。                    |
| 评分标准  | 1.0分    | 完美，逻辑严密，无任何事实错误，完全遵循指令。        |
| 评分标准  | 0.75分 | 存在微小的逻辑瑕疵，但不影响最终结果。           |
| 评分标准  | 0.5分    | 合格，包含非关键性的事实偏差或部分遵循指令。        |
| 评分标准  | 0.25分  | 存在明显的事实性错误或指令违背。               |
| 评分标准  | 0.0分    | 严重幻觉、输出崩溃或逻辑完全不可靠。              |
   
**评估器参数说明：**
表2评估器参数说明 
| 参数类型  | 参数名称          | 是否必填 | 参数说明                            |
|:---|:---|:---|:---|
| 输入参数  | input          | 是    | 用户输入，提供评估的上下文背景。                 |
| 输入参数  | actual_output | 是    | 智能体针对该输入的实际输出结果。               |
| 输出参数 | score           | 是   | 评估得分（0.0/0.25/0.5/0.75/1.0）。    |
| 输出参数 | reason          | 是  | 评分理由说明，列出评分依据及简要说明，以及综合评分的计算方式。 |
   
使用该评估器前，需要在评测集中为每条测试数据准备好input（用户输入）和actual_output（智能体实际输出）。评估时平台会自动将数据传入评估Prompt，严格按照评分标准中定义的维度、等级和描述进行逐维度评分，最终给出综合评分。各字段的推荐映射方式如下：
**输入格式示例：**
```
{
  "input": "请用JSON格式输出今天日期",
  "actual_output": "今天是2026年2月3日，星期二，天气真好！"
}
```
**输出格式示例：**
```
{
  "score": 0.0,
  "reason": "未按指令输出JSON格式，且内容还包含无关描述，属于输出崩溃且完全违背指令。"
}
```