Modelscope/Evalscope v0.16.3版本发布:函数调用评测能力升级
Evalscope作为Modelscope生态中的重要评测工具,专注于为各类AI模型提供全面、客观的性能评估。本次发布的v0.16.3版本在函数调用评测能力方面进行了重要升级,同时完善了多项评测功能,为开发者提供了更强大的模型评估手段。
核心功能升级:BFCL-v3评测基准
本次更新的亮点是新增了对BFCL-v3评测基准的支持。BFCL(Benchmark for Function Calling Language models)是专门用于评估语言模型函数调用能力的基准测试套件。v3版本在以下几个方面进行了增强:
-
多场景覆盖:支持评估模型在各种实际应用场景下的函数调用表现,包括但不限于API调用、数据库操作、复杂业务逻辑处理等场景。
-
细粒度评估维度:不仅评估函数调用的准确性,还包括参数提取的精确度、异常处理能力、多步函数调用的连贯性等维度。
-
标准化评估流程:提供统一的评估接口和评分标准,确保不同模型间的评测结果具有可比性。
对于开发者而言,使用BFCL-v3可以:
- 快速验证模型在特定业务场景下的函数调用能力
- 发现模型在复杂函数调用链中的薄弱环节
- 为模型优化提供明确的改进方向
评测功能优化
除了新增BFCL-v3支持外,本次更新还对评测系统的多个方面进行了优化:
-
评测稳定性提升:
- 修复了super gpqa评测中的错误
- 优化了并行评测时的资源分配逻辑,当数据集索引数小于并行数时能自动调整
- 改进了流式请求参数的处理机制
-
模型控制增强:
- 新增repetition penalty参数支持,帮助控制模型输出的重复性
- 确保logit注册流程的稳定性
- 完善了跨编码器参数处理
-
评测结果展示:
- 新增整体指标日志功能,便于开发者快速把握模型整体表现
- 优化needle评测的分数展示参数
文档与最佳实践
为帮助开发者更好地使用Evalscope,本次更新同步完善了多项文档:
-
新增教程:
- 文本到图像生成(T2I)模型的最佳实践指南
- 自定义模型评测的详细说明
- 添加新评测基准的方法指南
-
文档更新:
- 全面更新支持的数据集列表
- 完善模型API默认参数说明
- 新增通用多选题(MCQ)JSONL格式支持说明
技术实现亮点
在技术实现层面,本次更新体现了几个值得关注的设计思路:
-
模块化设计:通过将T2I指标初始化过程重构,提高了代码的可维护性和扩展性。
-
容错机制:增强了评测过程中的错误处理能力,特别是在处理大规模并行评测时。
-
参数规范化:统一了各类模型API的参数处理逻辑,特别是max_tokens等关键参数的默认值设置。
应用建议
对于正在使用或考虑使用Evalscope的开发者,建议:
-
新用户:可以从更新后的"支持的数据集"文档入手,快速了解平台能力边界。
-
函数调用场景开发者:优先尝试BFCL-v3评测基准,建立模型能力的基线评估。
-
高级用户:参考新增的自定义模型评测和添加评测基准指南,扩展平台的评测能力。
本次更新标志着Evalscope在专业化评测方向又迈出了坚实一步,特别是在函数调用这类专业场景的评估能力上。随着AI模型应用场景的不断扩展,这类细分的评测能力将变得越来越重要。
- 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~044CommonUtilLibrary
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!C0300- 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









