首页
/ EvalScope 开源项目使用教程

EvalScope 开源项目使用教程

2024-09-25 14:53:11作者:钟日瑜

1. 项目介绍

EvalScope 是一个高效且可定制的大模型评估和性能基准测试框架。它旨在支持大规模语言模型(LLMs)和多模态大语言模型(Multi-modal LLMs)的评估,帮助用户更好地评估和改进这些模型。

主要特点

  • 基准数据集:预加载了多个常用的测试基准,包括 MMLU、CMMLU、C-Eval、GSM8K、ARC、HellaSwag、TruthfulQA、MATH、HumanEval 等。
  • 评估指标:实现了多种常用的评估指标。
  • 模型访问:统一的模型访问机制,兼容多个模型家族的生成和聊天接口。
  • 自动化评估:包括客观问题的自动评估和使用专家模型的复杂任务评估。
  • 评估报告:自动生成评估报告。
  • 竞技场模式:用于模型之间的比较和客观评估,支持多种评估模式。
  • 可视化工具:提供直观的评估结果展示。
  • 模型性能评估:提供模型推理服务的性能测试工具和详细统计。

2. 项目快速启动

安装

推荐使用 conda 管理环境,并通过 pip 安装依赖。

# 创建 conda 环境(可选)
conda create -n evalscope python=3.10
# 激活 conda 环境
conda activate evalscope
# 安装依赖
pip install evalscope

快速启动示例

以下是一个简单的评估示例,使用默认设置在指定数据集上评估模型。

# 使用 pip 安装后执行
python -m evalscope.run \
  --model qwen/Qwen2-0.5B-Instruct \
  --template-type qwen \
  --datasets arc

3. 应用案例和最佳实践

案例1:模型性能评估

假设你有一个自定义的模型,并希望评估其在 MMLU 数据集上的表现。可以使用 EvalScope 进行评估并生成详细的评估报告。

python -m evalscope.run \
  --model custom/MyModel \
  --template-type custom \
  --datasets mmlu

案例2:多模态模型评估

如果你有一个多模态模型,并希望在多模态数据集上进行评估,可以使用 VLMEvalKit 作为评估后端。

pip install evalscope[vlmeval]
python -m evalscope.run \
  --model multimodal/MyModel \
  --template-type multimodal \
  --datasets vlm_dataset

4. 典型生态项目

OpenCompass

OpenCompass 是一个高级封装和任务简化的评估后端,支持更简单的任务提交和评估。

pip install evalscope[opencompass]

VLMEvalKit

VLMEvalKit 是一个支持多模态模型和数据集的评估后端,适用于多模态模型的评估任务。

pip install evalscope[vlmeval]

通过这些生态项目的集成,EvalScope 提供了更全面的模型评估解决方案,帮助用户在不同场景下高效地评估模型性能。

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
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
858
509
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
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
257
300
ShopXO开源商城ShopXO开源商城
🔥🔥🔥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
Cangjie-ExamplesCangjie-Examples
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
331
1.08 K
HarmonyOS-ExamplesHarmonyOS-Examples
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
397
370
note-gennote-gen
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
CangjieCommunityCangjieCommunity
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
kernelkernel
deepin linux kernel
C
22
5