Zum Hauptinhalt springen
Konzept: Bewertung | Python: client.eval()

​
Parameter

​
content
string
erforderlich
Der zu bewertende KI-generierte Text. Muss 10–10.000 Zeichen umfassen.
​
mode
string
Standard:"basic"
Bewertungsmodus. "basic" führt die Kern-Scoring-Modelle von RAIL für schnelles Echtzeit-Scoring aus. "deep" führt eine tiefere, detailliertere Analyse aus, die zusätzlich Erklärungen pro Dimension und Problem-Tags zurückgeben kann.
​
dimensions
string[]
Teilmenge der zu bewertenden Dimensionen. Weglassen, um alle 8 zu bewerten. Optionen: fairness, safety, reliability, transparency, privacy, accountability, inclusivity, user_impact.
​
weights
object
Benutzerdefinierte Dimensionsgewichtungen. Die Werte müssen sich auf 100 summieren. Z. B. {"safety": 25, "reliability": 20, ...}.
​
domain
string
Hinweis auf den Domänenkontext: "general", "healthcare", "legal", "finance", "code". Verbessert die Bewertungsgenauigkeit.
​
include_explanations
boolean
Standard:"false"
Erklärungen pro Dimension einbeziehen (nur Deep-Modus).
​
include_issues
boolean
Standard:"false"
Erkannte Problem-Tags pro Dimension einbeziehen (nur Deep-Modus).
​
include_suggestions
boolean
Standard:"false"
Verbesserungsvorschläge pro Dimension einbeziehen (nur Deep-Modus).

​
Anfrage

curl -X POST https://api.responsibleailabs.ai/railscore/v1/eval \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_RAIL_API_KEY" \
  -d '{
    "content": "To reset your password, open Settings, choose Security, and select Reset password. We will email you a secure link that expires in 30 minutes.",
    "mode": "basic"
  }'

​
Antwort

{
  "result": {
    "rail_score": { "score": 7.6, "confidence": 0.51, "summary": "RAIL Score: 7.6/10 — Good" },
    "dimension_scores": {
      "fairness":       { "score": 7.7, "confidence": 0.84 },
      "safety":         { "score": 10.0, "confidence": 0.70 },
      "reliability":    { "score": 7.7, "confidence": 0.16 },
      "transparency":   { "score": 6.5, "confidence": 0.50 },
      "privacy":        { "score": 8.0, "confidence": 0.59 },
      "accountability": { "score": 6.6, "confidence": 0.97 },
      "inclusivity":    { "score": 6.6, "confidence": 0.74 },
      "user_impact":    { "score": 7.8, "confidence": 0.09 }
    },
    "from_cache": false
  },
  "policy_outcome": {
    "enforced": false,
    "enforcement": "block",
    "threshold": 7.0,
    "score": 7.6,
    "passed": true
  },
  "metadata": { "req_id": "abc123", "mode": "basic", "timestamp": "2026-03-31T10:00:00Z" },
  "credits_consumed": 1.0
}
​
policy_outcome
object
Wie die Richtlinie Ihrer Anwendung dieses Ergebnis bewertet hat.
  • enforcement — der Modus der Richtlinie (log_only, block oder regenerate).
  • threshold — der zum Bestehen erforderliche Gesamtscore.
  • score — der Gesamtscore dieses Ergebnisses.
  • passed — ob der Score den Schwellenwert erreicht hat.
  • enforced — ob auf das Ergebnis reagiert wurde. Bei false befindet sich die Richtlinie im Beobachtungsmodus: Das Urteil wird gemeldet, aber die Antwort wird nicht verändert, sodass Sie sehen können, was blockiert würde. Prüfen Sie den aktuellen Zustand mit GET /config.
Wenn die Durchsetzung aktiv ist und ein Ergebnis nicht besteht, gibt eine block-Richtlinie 422 POLICY_BLOCKED zurück, und eine regenerate-Richtlinie versucht eine sichere Neuformulierung, bevor sie ihre Ausweichaktion anwendet.
​
result.rail_score.score
number
RAIL-Gesamtscore (0,0–10,0), gewichteter Durchschnitt aller bewerteten Dimensionen.
​
result.rail_score.confidence
number
Modellkonfidenz im Score (0,0–1,0).
​
result.dimension_scores
object
Scores pro Dimension. Jeder Eintrag hat score (0–10) und confidence (0–1). Im Deep-Modus zusätzlich: explanation, issues, suggestions.
​
result.from_cache
boolean
true, wenn dieses Ergebnis aus dem Cache zurückgegeben wurde (0 Credits berechnet).
​
credits_consumed
number
Für diese Anfrage berechnete Credits. 0 bei zwischengespeicherten Antworten.