在lmms-eval项目中评估Llava模型时解决N/A分数问题
2025-07-01 03:56:36作者:廉彬冶Miranda
问题背景
在使用lmms-eval项目评估Llava模型时,开发者可能会遇到评估结果显示N/A分数的情况。这个问题通常出现在运行MMBench评估任务时,特别是在使用Llava-v1.5-7b模型进行评估的场景下。
问题原因分析
经过技术分析,这个问题主要由两个因素导致:
-
Flash Attention兼容性问题:当启用Flash Attention 2时,会出现"Error query and key must have the same dtype in generating"的错误。这是由于transformers库版本与Llava模型之间的兼容性问题导致的。
-
评估机制设计:最初的MMBench评估设计是将结果提交到官方服务器进行评分,而不是在本地计算分数,这导致了本地评估时显示N/A分数。
解决方案
针对上述问题,开发团队提供了以下解决方案:
-
禁用Flash Attention:
- 在模型参数中设置
use_flash_attention_2=False
- 或者降级transformers库到4.36.2或4.37.2版本
- 在模型参数中设置
-
本地评分功能:
- 开发团队新增了本地计算MMBench评分的功能
- 现在可以直接在本地获得gpt_eval_score指标
实际验证结果
使用修复后的代码进行评估,Llava-v1.5-7b模型在MMBench英文开发集上获得了64.0893分的gpt_eval_score,与论文报告的结果一致。完整评估结果如下:
- mmbench_cn_cc: 23.5294
- mmbench_cn_dev: 55.6701
- mmbench_en_dev: 64.0893
注意事项
-
对于测试集(如mmbench_en_test),由于官方数据集中答案列被屏蔽,仍然需要将生成结果提交到MMBench官方服务器获取分数。
-
不同版本的transformers库可能与Llava模型存在其他兼容性问题,建议使用经过验证的版本组合。
结论
通过禁用Flash Attention或降级transformers库版本,并更新到最新版的lmms-eval代码,开发者可以成功在本地评估Llava模型在MMBench上的表现。这一改进大大简化了多模态大模型的评估流程,为研究人员提供了更便捷的评估工具。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
595
57

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K