首页
/ EvalScope v0.14.0发布:模型评测能力全面升级

EvalScope v0.14.0发布:模型评测能力全面升级

2025-07-06 08:04:07作者:曹令琨Iris

EvalScope是一个专注于大模型评测的开源工具库,旨在为研究人员和开发者提供全面、可靠的模型评估能力。本次发布的v0.14.0版本带来了多项重要更新,特别是在可视化、API兼容性和评测集支持方面有显著提升。

可视化能力增强

新版本集成了SwanLab可视化工具,为模型压测结果提供了直观的图形化展示。这一改进使得研究人员能够更清晰地观察模型在不同压力条件下的性能表现,包括响应时间、吞吐量等关键指标的变化趋势。可视化功能特别适合需要长期监控模型性能的场景,帮助用户快速定位性能瓶颈。

模型压测功能扩展

v0.14.0版本在模型压测方面有两个重要更新:

  1. 新增了对/v1/completions端点的压测支持,这使得工具能够覆盖更广泛的模型服务场景。该端点常用于生成式任务的评测,如文本补全、代码生成等。

  2. 增加了对embedding API服务的性能评测能力。embedding作为大模型应用中的基础组件,其性能直接影响下游任务的表现。新功能可以评估embedding服务在不同负载下的响应时间和稳定性。

兼容性与评测集更新

本次更新确保了与langchain 0.3版本的兼容性,这对于使用最新langchain框架构建应用的用户尤为重要。同时,新增了对Maritime Bench航运测评集的支持,扩展了工具在特定垂直领域的评估能力。

问题修复与优化

版本修复了多选题解析中的一些边界情况,提高了评测结果的准确性。此外,还对自动分词器等组件进行了优化,提升了整体评测流程的稳定性。

EvalScope v0.14.0的这些改进,使得它在大模型评测领域的功能更加全面,特别是在可视化分析和特定领域评估方面有了长足进步。对于需要进行系统化模型评估的研究团队和开发者而言,这个版本提供了更加强大和易用的工具支持。

登录后查看全文
热门项目推荐
相关项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
154
1.98 K
ops-mathops-math
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++
506
42
nop-entropynop-entropy
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
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279
openHiTLSopenHiTLS
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-Vue3RuoYi-Vue3
🎉 (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
communitycommunity
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
335
11
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
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