Tradution en français des prompts
This commit is contained in:
@@ -42,47 +42,54 @@ api_key = config.API_KEY
|
||||
|
||||
# --- Modèles pour la Requête 1 ---
|
||||
class QuestionOnlyItem(BaseModel):
|
||||
label: str = Field(description="The unique label of the question (e.g., '1.a', 'Exercice 1')")
|
||||
question_content: str = Field(description="The source text of the question, strictly extracted from the enonce file, EXCLUDING the label itself.")
|
||||
label: str = Field(description="Label unique de la question (par exemple '1.a' ou 'Exercice 1').")
|
||||
question_content: str = Field(description="Texte source de la question, extrait exactement du fichier d’énoncé, SANS le label lui-même.")
|
||||
|
||||
class ExamQuestions(BaseModel):
|
||||
questions: list[QuestionOnlyItem]
|
||||
|
||||
# --- Modèles pour la Requête 2 ---
|
||||
class SolutionOnlyItem(BaseModel):
|
||||
label: str = Field(description="The exact unique label of the question provided in the input.")
|
||||
solution_content: str = Field(description="The source text of the solution, strictly extracted from the correction file.")
|
||||
label: str = Field(description="Label exact de la question fourni en entrée, à conserver sans traduction.")
|
||||
solution_content: str = Field(description="Texte source de la solution, extrait exactement du fichier de correction.")
|
||||
|
||||
class ExamSolutions(BaseModel):
|
||||
solutions: list[SolutionOnlyItem]
|
||||
|
||||
# --- Modèles pour la Requête 3 ---
|
||||
class ExtractedContext(BaseModel):
|
||||
target_question_label: str = Field(description="The exact label of the FIRST question that comes immediately AFTER this information in the exam.")
|
||||
last_question_label: str = Field(description="The exact label of the LAST question that uses or relies on this information.")
|
||||
context_content: str = Field(description="The source text of the definitions, notations, or hypotheses, extracted from the enonce.")
|
||||
target_question_label: str = Field(description="Label exact de la PREMIÈRE question située immédiatement APRÈS cette information dans l’énoncé.")
|
||||
last_question_label: str = Field(description="Label exact de la DERNIÈRE question qui utilise cette information.")
|
||||
context_content: str = Field(description="Texte source des définitions, notations ou hypothèses, extrait de l’énoncé.")
|
||||
|
||||
class ExamContext(BaseModel):
|
||||
contexts: list[ExtractedContext]
|
||||
|
||||
# --- Modèles pour la Requête 4 (Barèmes) ---
|
||||
class RubricItem(BaseModel):
|
||||
label: str = Field(description="The exact label of the question.")
|
||||
rubric_content: str = Field(description="Le barème détaillé en français.")
|
||||
label: str = Field(description="Label exact de la question, à conserver sans traduction.")
|
||||
rubric_content: str = Field(description="Barème détaillé sur 4 points : toutes les consignes, explications et justifications doivent être rédigées en français.")
|
||||
|
||||
class GroupRubrics(BaseModel):
|
||||
rubrics: list[RubricItem]
|
||||
|
||||
PROMPT_4 = """Je te fournis les questions, le contexte éventuel, et les corrections pour un groupe de questions d'un examen.
|
||||
Ta tâche :
|
||||
Établir un barème de correction détaillé en français pour CHAQUE question.
|
||||
Établir un barème de correction détaillé pour CHAQUE question.
|
||||
Rédige intégralement en français le contenu de chaque champ `rubric_content`,
|
||||
y compris les consignes de notation, les explications et les justifications,
|
||||
même si certains textes fournis sont dans une autre langue.
|
||||
Conserve les formules mathématiques, les labels exacts des questions et les
|
||||
clés JSON `rubrics`, `label` et `rubric_content` sans les traduire.
|
||||
Chaque question DOIT être notée sur exactement 4 points. Propose une répartition logique de ces points.
|
||||
Par exemple :
|
||||
- Au moins 2 points si le résultat est correct.
|
||||
- Mettre la moitié des points si le raisonnement est correct mais pas le résultat.
|
||||
- Retirer 1.5 points si les hypothèses d'un théorème ou d'une question précédente ne sont pas vérifiées.
|
||||
- Retirer 1,5 point si les hypothèses d'un théorème ou d'une question précédente ne sont pas vérifiées.
|
||||
|
||||
Renvoie le résultat sous forme de liste JSON correspondant aux labels des questions fournies.
|
||||
Renvoie uniquement un objet JSON contenant une liste `rubrics`. Pour chaque
|
||||
question fournie, cette liste contient un objet avec son `label` exact et
|
||||
son barème en français dans `rubric_content`.
|
||||
"""
|
||||
|
||||
# --- Modèle fusionné (pour le reste du script) ---
|
||||
@@ -102,50 +109,64 @@ class ExamExtraction(BaseModel):
|
||||
class GroupedExamExtraction(BaseModel):
|
||||
groups: list[list[QuestionItem | ContextItem]]
|
||||
|
||||
PROMPT_1 = """I am providing:
|
||||
1. A PDF of an exam (`enonce.pdf`)
|
||||
2. The source code of the exam questions (`enonce` file)
|
||||
PROMPT_1 = """Je te fournis :
|
||||
1. Le PDF d'un examen (`enonce.pdf`).
|
||||
2. Le code source de ses questions (fichier `enonce`).
|
||||
|
||||
Your task:
|
||||
1. Identify all distinct question labels using the PDF document.
|
||||
These labels should be unique : use `Ex 1 : 1)a)` or `I)1)b)`.
|
||||
2. For each label, extract its exact corresponding question text
|
||||
from the `enonce` source file. Do not include the label itself
|
||||
in this extracted text (nor LaTeX like `item` nor org-mode list
|
||||
labelling like `2.`).
|
||||
Return the result as a JSON list in the exact reading order of the document.
|
||||
Ta tâche :
|
||||
1. Identifie tous les labels distincts des questions à l'aide du PDF.
|
||||
Ils doivent être uniques : utilise par exemple `Ex 1 : 1)a)` ou `I)1)b)`.
|
||||
2. Pour chaque label, extrais exactement le texte de la question
|
||||
correspondante dans le fichier source `enonce`. N'inclus ni le label
|
||||
lui-même, ni les commandes de liste LaTeX comme `item`, ni les marques
|
||||
de liste org-mode comme `2.`.
|
||||
Ne reformule pas et ne traduis pas le texte extrait ; conserve le LaTeX.
|
||||
Renvoie les questions dans l'ordre exact de lecture du document, dans la
|
||||
liste `questions` de l'objet JSON attendu. Conserve les clés `label` et
|
||||
`question_content`.
|
||||
"""
|
||||
|
||||
PROMPT_2 = """I am providing:
|
||||
1. A JSON list of question labels and their texts extracted from an exam.
|
||||
2. The source code of the exam solutions (`correction` file).
|
||||
PROMPT_2 = """Je te fournis :
|
||||
1. Une liste JSON des labels des questions d'un examen et de leurs textes.
|
||||
2. Le code source du corrigé de l'examen (fichier `correction`).
|
||||
|
||||
Your task:
|
||||
For each question label provided in the JSON, extract its exact corresponding solution textual
|
||||
content from the `correction` source file. Return the result as a JSON list in the exact same order.
|
||||
Pour chaque label fourni, extrais exactement le texte de la solution
|
||||
correspondante dans le fichier source `correction`. Ne reformule pas et
|
||||
ne traduis pas le texte extrait ; conserve le LaTeX.
|
||||
Renvoie les solutions dans le même ordre que les questions, dans la liste
|
||||
`solutions` de l'objet JSON attendu. Conserve les clés `label` et
|
||||
`solution_content` ainsi que les labels exacts des questions.
|
||||
"""
|
||||
|
||||
PROMPT_3 = """I am providing:
|
||||
1. A JSON list of question labels and their texts extracted from an exam.
|
||||
2. The source code of the exam questions (`enonce` file).
|
||||
PROMPT_3 = """Je te fournis :
|
||||
1. Une liste JSON des labels des questions d'un examen et de leurs textes.
|
||||
2. Le code source des questions de l'examen (fichier `enonce`).
|
||||
|
||||
Your task:
|
||||
Extract important information necessary to understand the questions (e.g., definitions of objects, global notations, hypotheses, context) that are NOT part of the question texts themselves. Often, this information can be in a previous \\item that is not itself a question, but contains the question items.
|
||||
Extrais les informations importantes nécessaires à la compréhension des
|
||||
questions, mais qui ne font PAS partie des textes des questions :
|
||||
définitions des objets, notations générales, hypothèses ou contexte.
|
||||
Ces informations figurent souvent dans un \\item précédent qui ne constitue
|
||||
pas lui-même une question, mais contient une liste de questions.
|
||||
|
||||
For example, given LaTeX code like
|
||||
Par exemple, dans ce code LaTeX :
|
||||
|
||||
\\item Let N, M be two commutating matrices
|
||||
\\item Soient N et M deux matrices qui commutent.
|
||||
\\begin{itemize}
|
||||
\\item Prove that N, M have a common eigenvector
|
||||
\\item Prove that N, M are co-trigonalizable.
|
||||
\\item Montrer que N et M ont un vecteur propre commun.
|
||||
\\item Montrer que N et M sont simultanément trigonalisables.
|
||||
\\end{itemize}
|
||||
|
||||
the `Let N, M be two commutating matrices` part is not a question itself, and is important information to understand the next two questions.
|
||||
La phrase « Soient N et M deux matrices qui commutent » n'est pas une
|
||||
question ; elle est nécessaire pour comprendre les deux questions suivantes.
|
||||
|
||||
For each extracted piece of information, identify:
|
||||
1. The label of the FIRST question that comes immediately AFTER this information in the exam.
|
||||
2. The label of the LAST question that uses or relies on this information.
|
||||
Return the result as a JSON list.
|
||||
Pour chaque information extraite, identifie :
|
||||
1. Le label de la PREMIÈRE question située immédiatement APRÈS cette
|
||||
information dans l'énoncé (`target_question_label`).
|
||||
2. Le label de la DERNIÈRE question qui utilise cette information
|
||||
(`last_question_label`).
|
||||
Conserve le texte source dans `context_content`, sans le reformuler ni le
|
||||
traduire, et conserve le LaTeX ainsi que les labels exacts.
|
||||
Renvoie le résultat dans la liste `contexts` de l'objet JSON attendu.
|
||||
"""
|
||||
|
||||
def find_file(folder: Path, base_name: str) -> Path | None:
|
||||
@@ -245,7 +266,7 @@ def process_exam(
|
||||
role="user",
|
||||
parts=[
|
||||
types.Part.from_text(text=PROMPT_2),
|
||||
types.Part.from_text(text=f"--- EXTRACTED QUESTIONS ---\n{extracted_questions_json}"),
|
||||
types.Part.from_text(text=f"--- QUESTIONS EXTRAITES ---\n{extracted_questions_json}"),
|
||||
types.Part.from_text(text=f"--- CORRECTION SOURCE ({correction_path.name}) ---\n{correction_text}"),
|
||||
],
|
||||
)
|
||||
@@ -281,7 +302,7 @@ def process_exam(
|
||||
role="user",
|
||||
parts=[
|
||||
types.Part.from_text(text=PROMPT_3),
|
||||
types.Part.from_text(text=f"--- EXTRACTED QUESTIONS ---\n{extracted_questions_json}"),
|
||||
types.Part.from_text(text=f"--- QUESTIONS EXTRAITES ---\n{extracted_questions_json}"),
|
||||
types.Part.from_text(text=f"--- ENONCE SOURCE ({enonce_path.name}) ---\n{enonce_text}"),
|
||||
],
|
||||
)
|
||||
@@ -691,6 +712,7 @@ def process_exam(
|
||||
]
|
||||
|
||||
config_4 = types.GenerateContentConfig(
|
||||
system_instruction="Rédige tous les barèmes et consignes de notation en français. Conserve les clés JSON, les labels et les formules mathématiques.",
|
||||
temperature=0.2,
|
||||
response_mime_type="application/json",
|
||||
response_json_schema=GroupRubrics.model_json_schema(),
|
||||
|
||||
Reference in New Issue
Block a user