MTEB项目中的Benchmark可见性控制机制探讨
2025-07-01 10:12:57作者:韦蓉瑛
在开源项目embeddings-benchmark/mteb的开发过程中,团队遇到了一个关于Benchmark展示的典型问题。当某些基准测试(如CodeRAG)由于数据集过大或尚未完成模型测试时,直接展示在排行榜上可能会造成误解。本文将深入分析这一技术场景,并探讨最佳实践方案。
问题背景
在MTEB项目的Leaderboard展示机制中,所有注册的Benchmark默认都会显示在排行榜上。然而当遇到以下情况时,这种默认展示方式就会产生问题:
- 基准测试数据集规模过大(如CodeRAGStackoverflowPosts),导致实际运行耗时过长
- 新加入的基准测试尚未积累足够的模型测试结果
- 某些基准测试处于维护或调试状态
技术分析
当前实现中,Benchmark类缺乏对可见性的控制机制。这导致即使是没有实际测试数据的基准也会出现在排行榜上,显示为"NaN"结果,容易让用户误以为是系统错误。
解决方案设计
项目成员提出了一个优雅的改进方案:为Benchmark类增加is_visible属性。这一设计具有以下技术优势:
- 精细控制:可以针对每个基准测试单独设置是否展示
- 向后兼容:不影响现有benchmark的注册和使用方式
- 接口友好:可以通过get_benchmarks(on_leaderboard=True)这样的参数进行筛选
- 部署灵活:新基准可以先注册但不展示,待测试完成后再开放
实现建议
在具体实现上,建议采用以下技术方案:
class Benchmark:
def __init__(self, ..., is_visible=True):
self.is_visible = is_visible
...
def get_benchmarks(on_leaderboard=None):
if on_leaderboard is not None:
return [b for b in benchmarks if b.is_visible == on_leaderboard]
return benchmarks
工程实践意义
这一改进不仅解决了当前CodeRAG的展示问题,还为项目带来了更完善的基准测试管理能力:
- 渐进式发布:新基准可以先内部测试再公开
- 维护模式:可以临时隐藏正在调整的基准
- 环境适配:在不同部署环境下可以灵活控制展示内容
- 用户体验:避免用户看到不完整或无效的测试结果
总结
MTEB项目通过引入Benchmark可见性控制机制,不仅解决了特定场景下的展示问题,更提升了整个项目的工程管理能力。这种设计思路也值得其他类似的开源项目参考,特别是在需要管理多种测试场景和结果的系统中。技术团队在解决问题时,不仅着眼于当前需求,更考虑到了系统的可扩展性和长期维护性,体现了良好的软件工程实践。
登录后查看全文
热门项目推荐
相关项目推荐
Hunyuan3D-Part
腾讯混元3D-Part00Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GitCode-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~0277community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息011Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
154
1.98 K

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
508
44

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
194
279

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
992
395

🎉 (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
940
554

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
339
11

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70