Lighteval项目v0.10.0版本发布:全面支持视觉语言模型评估
2025-06-30 10:17:46作者:乔或婵
Lighteval是Hugging Face推出的开源评估框架,专注于为大型语言模型(LLM)提供高效、全面的评估能力。该项目旨在简化模型评估流程,支持多种评估场景,包括零样本、小样本学习等。最新发布的v0.10.0版本带来了多项重要更新,特别是对视觉语言模型(VLM)评估的支持,标志着该项目在评估能力上的重大扩展。
视觉语言模型评估支持
本次更新的核心亮点是新增了对视觉语言模型(VLM)的评估能力。这一功能扩展使Lighteval能够评估那些同时处理文本和图像输入的模型,如多模态大模型。为了支持这一功能,开发团队实现了:
- 多模态输入处理管道,能够同时加载和处理文本和图像数据
- 新增了MMMU Pro评估基准,这是一个专门针对多模态模型设计的评估数据集
- 图像预处理和特征提取工具,确保输入数据符合模型要求
这项更新使得研究人员能够更全面地评估那些结合了视觉和语言理解能力的先进模型。
量化与性能优化
v0.10.0版本在模型推理效率方面做出了重要改进:
- 新增了对vLLM后端的量化支持,允许用户使用4位和8位量化来减少显存占用
- 实现了vLLM后端的异步推理功能,显著提高了批量评估时的吞吐量
- 优化了模型加载参数传递机制,支持通过model_kwargs传递更多加载参数
这些优化特别有利于在资源有限的环境中评估大型模型,使得研究人员能够在消费级硬件上运行更大规模的评估实验。
评估任务与指标扩展
评估能力的广度和深度在本版本中得到了进一步扩展:
- 新增Flores机器翻译评估数据集,支持多语言翻译能力评估
- 增加了LiveCodeBench v6编程能力评估任务
- 改进了多项选择题(MCQ)评估支持,优化了Yourbench评估框架的兼容性
- 更新了多语言任务集,增强了对非英语语言模型评估的支持
这些新增任务覆盖了从基础语言理解到专业编程能力的多个维度,为模型能力评估提供了更全面的视角。
使用体验改进
除了核心功能外,本次更新还包含多项用户体验优化:
- 新增了自定义结果保存路径模板功能,允许用户灵活配置评估结果的存储位置和命名规则
- 修复了vLLM分词器版本控制问题,提高了模型加载的稳定性
- 改进了LiteLLM集成的兼容性
- 更新了代码风格检查工具Ruff的版本,提升了代码质量一致性
Lighteval v0.10.0版本的发布标志着该项目在多模态评估领域的重大进展。通过支持视觉语言模型评估、优化推理效率以及扩展评估任务范围,该框架为研究人员提供了更强大、更灵活的工具来全面评估现代AI模型的各项能力。这些改进不仅有助于推动多模态研究的发展,也为模型优化和比较提供了更可靠的基准。
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~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
1 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析2 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析3 freeCodeCamp英语课程填空题提示缺失问题分析4 freeCodeCamp音乐播放器项目中的函数调用问题解析5 freeCodeCamp论坛排行榜项目中的错误日志规范要求6 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 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 Cafe Menu项目中link元素的void特性解析9 freeCodeCamp全栈开发课程中React实验项目的分类修正10 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析
最新内容推荐
OMNeT++中文使用手册:网络仿真的终极指南与实用教程 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 Python Django图书借阅管理系统:高效智能的图书馆管理解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 WebVideoDownloader:高效网页视频抓取工具全面使用指南 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (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
861
511

🔥🔥🔥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

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

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
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

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

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

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
332
1.08 K