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
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
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~0267cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-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).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp音乐播放器项目中的函数调用问题解析2 freeCodeCamp论坛排行榜项目中的错误日志规范要求3 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析4 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析5 freeCodeCamp全栈开发课程中React实验项目的分类修正6 freeCodeCamp课程视频测验中的Tab键导航问题解析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英语课程视频测验选项与提示不匹配问题分析9 freeCodeCamp课程页面空白问题的技术分析与解决方案10 freeCodeCamp博客页面工作坊中的断言方法优化建议
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 OpenSSL 3.3.0资源下载指南:新一代加密库的全面解析与部署教程 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K

deepin linux kernel
C
22
6

React Native鸿蒙化仓库
C++
192
274

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

🎉 (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
930
553

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

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
423
392

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)。
Jupyter Notebook
75
66

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
1.11 K
0

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
511