EvalScope 开源项目使用教程
2024-09-25 23:22:59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
- 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~0265cinatra
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
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

deepin linux kernel
C
22
6

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

React Native鸿蒙化仓库
C++
192
273

🎉 (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
923
551

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
421
392

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

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
74
64

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
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8