rag-climate-expert-eval|RAG系统评估数据集|气候与能源数据集

该数据集是一个由气候和能源领域专家提供的人工标注集合，用于评估RAG系统的表现。它包含2,361个对1,138个查询的标注，涉及多个RAG管道。标注指标包括整体质量、相关性、忠实度和CPR生成策略。数据集使用不同的管道生成，每个管道由生成模型、提示类型和检索参数定义。标注由来自国际组织的16位能源专家提供，数据集采用CC-by-4.0许可。该数据集旨在通过多样化的标注偏好来分析RAG管道。

原始信息汇总

RAG Expert Annotations Dataset for Climate and Energy

数据集概述

• 语言: 英语
• 特征:
  • question: 问题 (字符串)
  • output: 输出 (字符串)
  • sources: 来源 (字符串)
  • overall-quality: 总体质量 (字符串)
  • relevance: 相关性 (字符串)
  • faithfulness: 忠实度 (字符串)
  • cpr-generation-policy: CPR生成策略 (字符串)
  • user_id: 用户ID (字符串)
  • document_id: 文档ID (字符串)
  • model: 模型 (字符串)
  • prompt_template: 提示模板 (字符串)
  • retrieval_window: 检索窗口 (整数)
  • top_k: 前K个 (整数)
  • question_id: 问题ID (字符串)
  • responded: 是否响应 (布尔值)
• 分割:
  • train: 2361个样本, 4236267字节
• 下载大小: 993392字节
• 数据集大小: 4236267字节
• 配置:
  • default: 数据文件路径为 data/train-*

数据集内容

• 样本数量: 2361个标注, 1138个查询
• 来源: 主要来自Climate Policy Radar数据库，包括IEA、IAEA、OSCE和WMO发布的能源系统相关文档

指标

• Overall quality: 主观衡量响应质量
• Responded (automatic): 系统是否响应
• Relevance: 响应是否回答了用户的问题
• Faithfulness: 生成响应中的事实是否由文档支持
• CPR generation policy: CPR生成指南

管道

• 模型: gemini-1.0-pro-001, gemini-1.5-flash-001, Mistral-7B-Instruct-v0.2, gpt-3.5-turbo-0125, gpt-4-turbo-2024-04-09
• 提示: 标准RAG提示或对抗性提示
• retrieval_window, top_k: 检索窗口和前K个设置

标注者

• 数量: 16位能源专家
• 来源: 联合国、IRENA、WMO等国际组织
• 标注数量: 每人标注50到255个样本

使用指南

• 标注一致性: 标注者之间存在中等至高度不一致
• 发布策略: 未聚合标注者标签以分析RAG管道

许可

• 许可证: CC-by-4.0
• 条款: 请阅读Terms of Use
• 联系: 如有问题，请联系[e-mail]

作者与联系

• 作者: Climate Policy Radar团队
• 网站: https://climatepolicyradar.org

AI搜集汇总

数据集介绍

构建方式

该数据集由Climate Policy Radar与联合国欧洲经济委员会（UNECE）召集的志愿者领域专家合作构建，旨在为特定领域的RAG系统行为提供基础。数据集包含2,361条针对1,138个查询的注释，涵盖了多个RAG管道的评估。每个RAG管道均用于单文档检索，引用的摘要主要来自Climate Policy Radar数据库，并包括由IEA、IAEA、OSCE和WMO发布的与能源系统相关的文档样本。

特点

该数据集的特点在于其丰富的注释内容，涵盖了多个评估指标，如整体质量、响应性、相关性和忠实性等。这些指标由16位来自不同国际组织的能源专家进行标注，确保了数据的专业性和多样性。此外，数据集还包含了多种RAG管道的生成结果，这些管道使用了不同的生成模型和提示模板，旨在提供多样化的响应。

使用方法

该数据集的使用方法包括对RAG管道的性能进行评估和分析。用户可以通过数据集中的注释信息，了解不同管道在回答气候和能源相关问题时的表现。由于数据集中的注释存在一定程度的专家分歧，用户在使用时应考虑这些分歧，并结合具体应用场景进行综合分析。数据集以CC-by-4.0许可发布，用户在使用时应遵守相关条款，并可通过Climate Policy Radar的官方网站获取更多信息。

背景与挑战

背景概述

rag-climate-expert-eval数据集由Climate Policy Radar与联合国欧洲经济委员会（UNECE）召集的志愿者领域专家合作创建，旨在为气候与能源领域的RAG（Retrieval-Augmented Generation）系统提供专家标注数据。该数据集包含2,361条标注，覆盖1,138条查询，主要基于Climate Policy Radar数据库中的气候政策文件以及国际能源署（IEA）、国际原子能机构（IAEA）、欧洲安全与合作组织（OSCE）和世界气象组织（WMO）发布的能源相关文件。通过多指标评估，如整体质量、相关性、忠实性等，该数据集为RAG系统在特定领域的性能优化提供了重要支持。

当前挑战

该数据集在构建与应用过程中面临多重挑战。首先，领域问题的复杂性要求专家标注者对气候与能源政策有深刻理解，以确保标注的准确性与一致性。然而，标注者之间在部分指标上存在较高分歧，这反映了主观评估的固有难度。其次，数据集的构建依赖于多源异构文档的整合与检索，如何确保检索结果的全面性与相关性是一个技术难点。此外，RAG系统的生成模型需严格遵循特定生成策略，避免引入未经验证的事实或政策评价，这对模型的忠实性与可控性提出了更高要求。最后，数据集的高质量标注依赖于大量专家资源，如何在有限资源下优化标注流程并提升标注效率，是未来改进的重要方向。

常用场景

经典使用场景

在气候与能源领域，RAG系统的行为需要基于专家知识进行验证和优化。rag-climate-expert-eval数据集通过人类专家的标注，为RAG系统在单一文档检索任务中的表现提供了详尽的评估。该数据集主要用于评估不同RAG管道在生成回答时的质量、相关性和忠实度，特别是在处理气候政策文档和能源系统相关文献时的表现。

解决学术问题

该数据集解决了RAG系统在特定领域（如气候与能源）中的生成质量评估问题。通过专家标注的多个指标（如整体质量、相关性、忠实度等），研究人员可以深入分析RAG系统在生成回答时的表现，尤其是其在避免幻觉（hallucination）和确保事实准确性方面的能力。这为改进RAG系统的生成策略提供了重要的数据支持。

衍生相关工作

基于rag-climate-expert-eval数据集，许多相关研究工作得以展开。例如，研究人员利用该数据集开发了更精确的RAG管道优化方法，特别是在处理复杂气候政策文档时的表现。此外，该数据集还启发了对生成式AI在政策分析领域应用的进一步研究，推动了相关领域的技术进步。