Azure AI Evaluation 1.2.0 版本发布:多模态评估与CSV支持升级
2025-06-12 11:42:03作者:裘晴惠Vivianne
项目概述
Azure AI Evaluation 是微软Azure SDK for Python中的一个重要组件,专注于为人工智能模型提供全面的评估能力。该工具包使开发者能够系统地评估AI模型在各种场景下的表现,包括内容安全性、对话质量等关键指标。
核心更新亮点
CSV文件支持的重大扩展
1.2.0版本引入了对CSV文件作为数据输入的完整支持,这显著提升了批量评估的便利性。开发者现在可以直接将包含评估数据的CSV文件传递给evaluate()
API,系统会自动解析文件内容进行评估。
使用要点:
- CSV文件必须包含标题行,列名需与
evaluate()
方法中的data
和target
字段匹配 - 文件名应作为
data
参数传递 - 当前版本对包含"Conversation"列的CSV文件支持仍在完善中
这一改进特别适合需要处理大规模评估数据的场景,如批量测试AI模型的多个版本或不同配置下的表现。
评估能力优化
多模态评估器调整
本次更新对多模态评估器进行了重要调整,以下评估器将在下一个版本中移除:
- 暴力内容多模态评估器(ViolenceMultimodalEvaluator)
- 性相关内容多模态评估器(SexualMultimodalEvaluator)
- 自残内容多模态评估器(SelfHarmMultimodalEvaluator)
- 仇恨/不公平内容多模态评估器(HateUnfairnessMultimodalEvaluator)
- 受保护材料多模态评估器(ProtectedMaterialMultimodalEvaluator)
建议开发者提前规划迁移策略,考虑使用替代的评估方案。
内容安全评估逻辑改进
内容安全评估器(包括暴力、自残、性相关、仇恨/不公平等)现在采用最大值而非平均值作为对话评估的聚合分数。这一变化更符合安全评估的实际需求,确保任何单次违规都能被有效识别。
其他支持对话评估的评估器仍默认使用平均值作为聚合方式,保持了评估策略的灵活性。
技术架构优化
依赖与运行环境调整
1.2.0版本对运行环境提出了更高要求:
- 最低Python版本从3.8提升至3.9
- 移除了对本地promptflow服务的依赖,评估运行时不再自动启动promptflow服务
- 移除了
[remote]
额外依赖项,简化了与Azure AI Studio的结果追踪集成
性能与稳定性增强
修复了多个关键问题:
- 修复了模拟器处理1000+结果时的
AttributeError
异常 - 优化了非对抗性模拟器在无任务模式下的运行逻辑
- 解决了评估器自定义聚合与同步模式(
AI_EVALS_BATCH_USE_ASYNC=false
)的序列化冲突 - 修正了非对抗性模拟器示例中
tasks
未定义的问题
开发者实践建议
对于计划升级到1.2.0版本的开发者,建议:
- 环境准备:确保Python环境已升级至3.9或更高版本
- 数据迁移:将现有评估数据逐步转换为CSV格式,利用新的文件支持功能
- 评估策略:针对内容安全评估场景,了解最大值聚合策略的影响
- 过渡规划:为即将移除的多模态评估器准备替代方案
这一版本在评估能力、使用便利性和系统稳定性方面都有显著提升,为AI模型的全面评估提供了更加强大和灵活的工具集。
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~0274community
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
153
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++
505
42

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
938
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
332
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