Trulens项目中使用虚拟应用进行反馈评估的实践指南
2025-07-01 01:02:45作者:董斯意
背景介绍
Trulens是一个用于评估和监控AI模型性能的开源框架。在实际应用中,开发者经常需要对模型的输出进行多维度评估,包括上下文相关性、答案相关性、基础性等指标。本文将详细介绍如何在Trulens项目中正确使用虚拟应用(VirtualApp)进行反馈评估,并解决常见的评估结果获取问题。
核心概念
虚拟应用(VirtualApp)
虚拟应用是Trulens提供的一个特殊组件,允许开发者在不需要实际部署模型的情况下,对预设的输入输出对进行评估。这对于快速验证评估指标的有效性非常有用。
反馈函数(Feedback Functions)
Trulens通过反馈函数来评估模型表现,常见的反馈函数包括:
- 上下文相关性(Context-Relevance):评估问题与上下文的相关程度
- 答案相关性(Answer-Relevance):评估答案与问题的匹配程度
- 基础性(Groundedness):评估答案是否基于提供的上下文
- 真实值一致性(GroundTruth):评估答案与预设标准答案的一致性
实现步骤
1. 初始化环境
首先需要设置日志记录和结果存储路径,确保评估结果能够被妥善保存。同时创建TruSession实例来管理评估会话。
analytics_results_directory = os.getenv("ANALYTICS_RESULTS_DIRECTORY")
ts = datetime.now().strftime("%Y-%m-%d_%H_%M_%S")
logger = init_logger("root", os.path.join(analytics_results_directory, f"{ts}_skai_eval.log"))
tru_session = TruSession()
tru_session.reset_database()
2. 准备评估数据
评估数据通常包括三部分:
- 问题(query)
- 模型响应(response)
- 上下文(contexts)
data = {
"query": ["Where is Germany?", "What is the capital of France?"],
"response": ["Germany is in Europe", "The capital of France is Paris"],
"contexts": [
["Germany is a country located in Europe."],
["France is a country in Europe and its capital is Paris."]
]
}
df = pd.DataFrame(data)
3. 配置反馈函数
使用AzureOpenAI作为评估提供者,设置各类反馈函数:
trulens_openai_provider = AzureOpenAITrulens(
deployment_name=os.getenv("LLM_DEPLOYMENT_ID_PRIMARY")
)
# 上下文相关性反馈
f_context_relevance = Feedback(
trulens_openai_provider.context_relevance_with_cot_reasons,
name="Context-Relevance"
).on_input().on(context)
# 基础性反馈
f_groundedness = Feedback(
trulens_openai_provider.groundedness_measure_with_cot_reasons,
name="Groundedness"
).on(context.collect()).on_output()
# 答案相关性反馈
f_qa_relevance = Feedback(
trulens_openai_provider.relevance_with_cot_reasons,
name="Answer-Relevance"
).on_input_output()
# 真实值一致性反馈
f_groundtruth = Feedback(
GroundTruthAgreement(golden_set, provider=trulens_openai_provider).agreement_measure,
name="GroundTruth"
).on_input_output()
4. 创建并运行虚拟评估
创建虚拟应用评估器,添加数据并等待评估完成:
virtual_app = VirtualApp()
virtual_recorder = TruVirtual(
app_name=app_run_name,
app_version="simple",
app=virtual_app,
feedbacks=[f_context_relevance, f_qa_relevance, f_groundedness, f_groundtruth]
)
virtual_records = virtual_recorder.add_dataframe(df)
# 等待所有反馈计算完成
virtual_recorder.wait_for_feedback_results()
常见问题解决方案
评估结果获取为空的问题
开发者可能会遇到虽然打印输出显示评估结果,但通过API获取的DataFrame却为空的情况。这通常是由于:
- 异步计算未完成:反馈函数的计算是异步进行的,需要确保所有计算完成后再获取结果
- 会话范围不匹配:直接使用tru_session.get_leaderboard()而不指定app_ids可能导致结果为空
解决方案是:
# 正确获取评估结果的方式
leaderboard = tru_session.get_leaderboard() # 不限定app_ids获取全部结果
records, feedback = tru_session.get_records_and_feedback()
结果保存最佳实践
建议将评估结果保存为CSV文件以便后续分析:
leaderboard.to_csv(
os.path.join(analytics_results_directory, f"QA_board_results_{app_run_name}.csv"),
index=False
)
records.to_csv(
os.path.join(analytics_results_directory, f"QA_records_results_{app_run_name}.csv"),
index=False
)
评估结果解读
评估结果通常包含以下维度的评分(0-1范围):
- Context-Relevance:上下文相关性,越高表示问题与上下文越相关
- Answer-Relevance:答案相关性,越高表示答案与问题越匹配
- Groundedness:基础性,越高表示答案越基于提供的上下文
- GroundTruth:真实值一致性,越高表示答案与标准答案越接近
开发者可以根据这些指标全面评估模型表现,并针对薄弱环节进行优化。
总结
本文详细介绍了在Trulens项目中使用虚拟应用进行模型评估的完整流程,包括环境设置、数据准备、反馈函数配置、评估执行以及结果获取与保存。特别强调了评估结果获取为空的解决方案,帮助开发者避免常见陷阱。通过这套方法,开发者可以高效地对AI模型进行多维度评估,为模型优化提供数据支持。
登录后查看全文
热门项目推荐
相关项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
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~0266cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-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).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp音乐播放器项目中的函数调用问题解析2 freeCodeCamp论坛排行榜项目中的错误日志规范要求3 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析4 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析5 freeCodeCamp全栈开发课程中React实验项目的分类修正6 freeCodeCamp课程视频测验中的Tab键导航问题解析7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析9 freeCodeCamp课程页面空白问题的技术分析与解决方案10 freeCodeCamp博客页面工作坊中的断言方法优化建议
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

deepin linux kernel
C
22
6

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++
192
273

🎉 (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
923
551

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
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

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)。
Jupyter Notebook
74
64

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
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8