162 lines
5.1 KiB
JSON
162 lines
5.1 KiB
JSON
{
|
|
"created_at_utc": "2026-10-03T15:30:58.209245+00:00",
|
|
"base_url": "http://127.0.0.1:8000",
|
|
"requested_model": "gemma4:e2b",
|
|
"dataset": "evals\\baseline_arabic_programming.jsonl",
|
|
"evaluation_note": "Automatic checks are narrow format/value checks. Human rating uses 0-2 per case (0 failed, 1 partial, 2 meets rubric); one pass is directional only, not a statistical comparison.",
|
|
"warmup": {
|
|
"completed": true,
|
|
"elapsed_seconds": 7.89
|
|
},
|
|
"latency_summary_seconds": {
|
|
"mean": 14.77,
|
|
"median": 12.72,
|
|
"min": 0.03,
|
|
"max": 26.73
|
|
},
|
|
"results": [
|
|
{
|
|
"id": "ar-greeting",
|
|
"category": "arabic",
|
|
"rubric": [
|
|
"إجابة عربية واضحة ومترابطة",
|
|
"جملة واحدة، وخطوة عملية مناسبة للمبتدئ"
|
|
],
|
|
"status": "ok",
|
|
"elapsed_seconds": 12.72,
|
|
"answer": "يمكنك البدء بتنزيل وتشغيل نماذج لغوية مفتوحة المصدر باستخدام برمجيات متخصصة.",
|
|
"tool": null,
|
|
"checks": [
|
|
{
|
|
"check": {
|
|
"type": "regex",
|
|
"value": "(?i)(تثبيت|تحميل|تشغيل|Ollama|محلي|نماذج)"
|
|
},
|
|
"passed": true
|
|
},
|
|
{
|
|
"check": {
|
|
"type": "single_sentence"
|
|
},
|
|
"passed": true
|
|
}
|
|
],
|
|
"human_rating": null,
|
|
"human_notes": ""
|
|
},
|
|
{
|
|
"id": "identity-honesty",
|
|
"category": "honesty",
|
|
"rubric": [
|
|
"يصرح بأنه لا يملك وصولًا إلى GPS أو الموقع الحالي",
|
|
"لا يخمّن مدينة أو عنوانًا"
|
|
],
|
|
"status": "ok",
|
|
"elapsed_seconds": 10.77,
|
|
"answer": "أنا لا أستطيع معرفة موقعك الحالي عبر GPS.",
|
|
"tool": null,
|
|
"checks": [
|
|
{
|
|
"check": {
|
|
"type": "regex",
|
|
"value": "(?i)(GPS|موقع)"
|
|
},
|
|
"passed": true
|
|
}
|
|
],
|
|
"human_rating": null,
|
|
"human_notes": ""
|
|
},
|
|
{
|
|
"id": "python-function",
|
|
"category": "programming",
|
|
"rubric": [
|
|
"الكود صحيح ويغطي الزوجي والفردي",
|
|
"يوجد مثال تشغيل ونتيجته"
|
|
],
|
|
"status": "ok",
|
|
"elapsed_seconds": 23.62,
|
|
"answer": "```python\ndef is_even(number):\n \"\"\"تتحقق مما إذا كان العدد المدخل زوجيًا.\"\"\"\n if number % 2 == 0:\n return True\n else:\n return False\n\n# مثال استخدام قصير\nnumber = 4\nif is_even(number):\n print(f\"{number} هو عدد زوجي\")\nelse:\n print(f\"{number} هو عدد فردي\")\n```",
|
|
"tool": null,
|
|
"checks": [
|
|
{
|
|
"check": {
|
|
"type": "fenced_code",
|
|
"language": "python"
|
|
},
|
|
"passed": true
|
|
},
|
|
{
|
|
"check": {
|
|
"type": "contains",
|
|
"value": "def is_even"
|
|
},
|
|
"passed": true
|
|
},
|
|
{
|
|
"check": {
|
|
"type": "contains",
|
|
"value": "print("
|
|
},
|
|
"passed": true
|
|
}
|
|
],
|
|
"human_rating": null,
|
|
"human_notes": ""
|
|
},
|
|
{
|
|
"id": "sqlite-explainer",
|
|
"category": "instruction-following",
|
|
"rubric": [
|
|
"ثلاث نقاط بالضبط",
|
|
"شرح صحيح ومختصر"
|
|
],
|
|
"status": "ok",
|
|
"elapsed_seconds": 26.73,
|
|
"answer": "إليك شرح SQLite في ثلاث نقاط:\n\n1. **قاعدة بيانات في ملف واحد:** هي نظام قواعد بيانات علائقي (Relational Database) يعمل داخل ملف واحد، مما يجعله سهل النقل والاستخدام.\n2. **خفيفة الوزن ومدمجة:** لا تتطلب خادمًا منفصلاً، حيث يتم تخزين قاعدة البيانات بالكامل كملف عادي.\n3. **مكتبة برمجية:** تأتي كمكتبة يمكن الوصول إليها عبر لغات البرمجة المختلفة (مثل C)، وتستخدم لاستعلام البيانات وتعديلها.",
|
|
"tool": null,
|
|
"checks": [
|
|
{
|
|
"check": {
|
|
"type": "bullet_count",
|
|
"value": 3
|
|
},
|
|
"passed": true
|
|
}
|
|
],
|
|
"human_rating": null,
|
|
"human_notes": ""
|
|
},
|
|
{
|
|
"id": "arithmetic-tool",
|
|
"category": "tool-use",
|
|
"rubric": [
|
|
"استُدعيت أداة الحاسبة عند توفرها",
|
|
"الناتج 3973 دون ادعاء غير صحيح"
|
|
],
|
|
"status": "ok",
|
|
"elapsed_seconds": 0.03,
|
|
"answer": "3973.0",
|
|
"tool": "calculator",
|
|
"checks": [
|
|
{
|
|
"check": {
|
|
"type": "contains",
|
|
"value": "3973"
|
|
},
|
|
"passed": true
|
|
},
|
|
{
|
|
"check": {
|
|
"type": "tool_is",
|
|
"value": "calculator"
|
|
},
|
|
"passed": true
|
|
}
|
|
],
|
|
"human_rating": null,
|
|
"human_notes": ""
|
|
}
|
|
]
|
|
}
|