Azure AI Evaluation 1.2.0 版本发布:多模态评估与CSV支持升级
2025-06-12 13:07:47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
- 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~050CommonUtilLibrary
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!C0305- 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++
178
262

🎉 (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
866
513

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183

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
265
305

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

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

🔥🔥🔥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

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
598
57

基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3