Groundlens: RAG 답변을 위한 교정기

groundlens.dev

작동 방식 · 설치 · 빠른 시작 · MCP 서버 · 한계 · 재현성

Groundlens는 모델이 작성한 내용을 위한 교정기입니다. 소스가 뒷받침하지 않는 단어에 표시를 남기고, 각 단어가 무엇이어야 했는지 보여줍니다. RAG 답변의 grounding과 충실성을 검색된 소스에 대해 검사합니다. 이는 사람들이 환각 탐지, 인용 확인, RAG 평가를 위해 사용하는 작업이지만, Groundlens는 점수나 임계값을 제시하는 판정 대신 검토자를 위한 표시와 증거를 반환한다는 점에서 다릅니다.

QUESTION    What is the invoice total?
SOURCE      ...the total amount due is 10,000 dollars, payable within 30 days...
ANSWER      The invoice total is 1,000 dollars, due in 30 days.

GROUNDLENS  1,000   nothing supports this.   Closest in invoice.pdf#p1: '10,000'

답변이 틀렸다고 말하지 않습니다. 어떤 단어를 봐야 하는지, 어떤 문서를 열어야 하는지 알려줍니다. 5분 대신 30초의 인간의 주의만으로 충분합니다.

작동 방식

Groundlens는 단어와 숫자 비교를 두 가지 다른 방식으로 접근합니다:

Groundlens는 평균이 아닌 최저 점수를 출력으로 제공합니다. 모든 토큰 유사도 메트릭은 평균으로 집계되며, 평균은 단일 토큰 오류가 사라지는 곳입니다.

실용적인 예: 10은 100이 아니다

검색된 문서에 총 납부액이 10,000달러라고 나와 있습니다. 답변은 1,000달러라고 말합니다. 인간은 금융 학위 없이도 즉시 알아차립니다.

임베딩 유사도는 그렇지 않습니다. 올바른 답과 틀린 답 사이의 코사인은 약 0.99입니다 — 오류는 잉크 한 방울이 웅덩이에 녹아들듯 벡터 속으로 용해됩니다. LLM 판정자도 마찬가지입니다: 그럴듯함을 읽을 뿐이며, "총액은 1,000달러입니다"는 인보이스에 관한 완벽하게 그럴듯한 문장입니다. 훈련된 스팬 탐지기도 마찬가지입니다. 단일 숫자 치환은 훈련 레이블에서 드물기 때문입니다.

문장 인코더는 어휘, 주제, 구조에 따라 텍스트를 구성합니다. 결코 진실에 의해서가 아닙니다. 올바른 문장 안의 잘못된 숫자는, 의역을 압축하는 인코더에게는 거의 의역에 가깝습니다.

그 인보이스에서 틀린 답변의 평균 지지도는 0.79입니다 — 괜찮아 보입니다. 가장 약한 앵커는 0.00입니다 — 여백에 표시를 남길 만한 값입니다.

운영 임계값

이 라이브러리에는 기본 임계값이 없습니다. 임계값은 방법의 속성이 아니라 배포의 속성입니다. 인코더, 데이터, 그리고 거짓 양성이 거짓 음성보다 얼마나 비싼지에 따라 달라집니다. 여기서는 그 어떤 것도 알 수 없습니다.

규칙 뒤에는 측정이 있습니다. 우리가 실행한 운영 지점 그리드 전반에서, 95% 재현율에서의 최상의 거짓 양성률은 0.65였으며, 우리가 테스트한 모든 단일 패스 탐지기(이것 포함)에 해당했습니다. 규제된 검토가 실제로 필요로 하는 재현율에서는, 그 그리드의 어떤 고정 컷도 사용할 수 없습니다. 하나를 제공한다는 것은 이미 성립하지 않는다는 것을 알고 있는 숫자를 제공한다는 뜻입니다.

groundlens가 제공하는 것은 다음과 같습니다:

• 단어별 지지도 점수. 낮을수록 소스에 덜 뒷받침된다는 뜻입니다.

• 영수증이 있는 표시: 단어, 스팬, 지지도, 그리고 가장 가까운 증거 문장. 검토자는 몇 초 안에 어떤 판단이든 확인할 수 있습니다.

• calibrate() 함수. 자체 레이블링된 데이터에 컷을 맞춥니다. 200개 미만의 레이블링된 예제에서는 실행을 거부합니다. 그 이하에서는 컷이 노이즈이기 때문입니다.

파이프라인에 임계값이 필요하다면, 레이블링된 데이터에서 calibrate()를 실행하세요:

from groundlens import calibrate

point = calibrate(labelled, target_recall=0.95)
print(point.threshold, point.fpr, point.fpr_ci95)   # read the fpr first

calibrate()는 최소 200개의 레이블링된 예제가 필요합니다. 그 이하에서는 95% 재현율 임계값이 소수의 지점에서 추정되기 때문입니다.

Related MCP server: Arkheia Hallucination Detection MCP

설치

pip install groundlens              # zero runtime dependencies. Not numpy, not torch
pip install "groundlens[encoder]"   # + the reference sentence encoder
pip install "groundlens[encoder,mcp]"   # + the MCP server, for Claude Desktop and friends

핵심 설치는 어떤 패키지도 가져오지 않으며, CI 작업은 그런 일이 발생하면 빌드를 실패시킵니다. 이전 버전은 아무것도 하기 전에 약 2기가바이트의 딥러닝 스택을 설치했습니다.

빠른 시작

from groundlens import proofread, SentenceTransformerEncoder

answer = "The invoice total is 4.75% payable within 45 days."
sources = [("policy.pdf#p3", "The rate stated in the policy is 3.90% and the term is 30 days.")]

marks = proofread(answer, sources, encoder=SentenceTransformerEncoder(), k=2)

print(marks.report())
#  4.75%   support 0.00    nearest in policy.pdf#p3: '3.90%'
#  45      support 0.00    nearest in policy.pdf#p3: '30'

모든 표시는 영수증을 동반합니다:

for anchor in marks.weakest:
    anchor.text            # '4.75%'          the word in the answer
    anchor.span            # (21, 26)         where it sits
    anchor.kind            # 'numeral'        checked by arithmetic, not meaning
    anchor.support         # 0.0              absent from the sources
    anchor.evidence_id     # 'policy.pdf#p3'  which document to open
    anchor.evidence_text   # '3.90%'          what it should have matched

셸에서:

groundlens read --answer answer.txt --context policy.pdf#p3=policy.txt

MCP 서버

동일한 교정기를 어시스턴트 안에서 사용할 수 있습니다. Groundlens는 MCP 서버를 제공하므로, Claude Desktop, Claude Code, Cursor, VS Code 또는 다른 MCP 클라이언트가 대화를 떠나지 않고도 답변을 소스에 대해 확인할 수 있습니다. stdio를 통해 로컬에서 실행됩니다. 어떤 텍스트도 외부로 나가지 않습니다.

pip install "groundlens[encoder,mcp]"
python -m groundlens.mcp

그런 다음 클라이언트를 서버에 연결하세요. claude_desktop_config.json — 또는 Cursor와 VS Code의 해당 mcp.json에서:

{
  "mcpServers": {
    "groundlens": {
      "command": "python",
      "args": ["-m", "groundlens.mcp"]
    }
  }
}

Groundlens가 설치된 Python이 PATH에 있는 것이 아니라면 절대 경로를 사용하세요: /path/to/venv/bin/python.

단 하나의 도구

find_unsupported_words(answer, sources, k=4, locale="und")

가장 약한 앵커를 영수증, 바닥값, 인코더 id, 그리고 결과의 sha256과 함께 반환합니다:

{
  "weakest_anchors": [
    {
      "word": "4.75%",
      "support": 0.0,
      "checked_by": "arithmetic",
      "closest_in_sources": "3.90%",
      "source_id": "policy.pdf#p3",
      "notes": []
    }
  ],
  "floor": 0.0,
  "n_marked": 12,
  "encoder_id": "all-mpnet-base-v2@<revision-sha>",
  "sha256": "..."
}

의도적으로 도구 하나뿐입니다. 이전 서버는 세 개를 광고했고, 그것이 하나의 제품이 누구도 설치하기 전에 세 개의 이야기가 되는 방법입니다.

이 라이브러리의 다른 모든 곳과 마찬가지로 판정도 임계값도 없습니다. 숫자에 대한 support 0.00은 그 값이 소스에 없다는 뜻입니다. 단어에 대한 0.00은 어휘 앵커를 찾지 못했다는 뜻이며, 이는 충실한 의역에서 흔한 일입니다. 서버는 표시를 보고할 뿐, 판단은 독자가 합니다.

인코더는 시작 시가 아니라 첫 호출 시 로드되며, 모델은 처음 사용할 때 한 번 다운로드됩니다(약 420MB).

한계

• 계산된 값을 검증할 수 없습니다 — "수익이 3배가 되었다"는 "수익이 5M에서 15M으로 증가했다"는 소스에 대해 검증할 수 없습니다.

• 단어 채널은 단어가 소스에 의해 뒷받침되는지 확인합니다. 올바른 대상에 연결되어 있는지는 확인하지 않습니다. 답변이 인보이스 A에 대해 "30일 내 지불"이라고 말하고, 그 30일이 같은 맥락의 다른 곳에서 인보이스 B에 속한다면, 그 단어는 뒷받침되며 표시가 나타나지 않습니다.

• 추론을 확인할 수 없습니다. 그것은 함의 모델의 몫입니다.

• 검색의 한계를 그대로 물려받습니다. 구절이 틀리면 답변의 grounding도 틀립니다.

• 분할은 공백 구분 스크립트를 가정하며, 텍스트가 대부분 CJK 또는 태국어일 때는 속이는 대신 경고합니다.

재현성

• 숫자 채널은 정확합니다. 소수 비교, 고정 산술 컨텍스트, LC_ALL이 아닌 인자에서 오는 로케일. 어떤 머신에서든 바이트 단위로 동일합니다 — CI가 PYTHONHASHSEED=random과 터키어 로케일 하에서 10개의 OS × Python 조합으로 증명합니다.

• *어휘 채널은 고정된 인코더 리비전의 float32 코사인입니다.* 모델 이름이 아닙니다. 조용한 재업로드가 게시한 모든 숫자를 바꿀 수 있기 때문입니다. 플랫폼 간 1e-6까지 재현되며 가장 약한 앵커의 순서는 안정적입니다. x86과 Apple Silicon 사이에서 비트 단위로 동일하지는 않으며, 우리는 그렇게 주장하지 않습니다.

• marks.sha256는 구조와 숫자 지지도를 정확히 포함하며, 어휘 지지도는 소수점 6자리로 반올림합니다. 해시를 재현하면 산술의 마지막 비트가 아닌 결과를 재현하는 것입니다.

groundlens.dev · PyPI · 철회 · 기여 · Apache-2.0