首页
/ Lighteval项目v0.9.2版本发布:全面升级的轻量级评估框架

Lighteval项目v0.9.2版本发布:全面升级的轻量级评估框架

2025-06-30 10:29:34作者:廉彬冶Miranda

Lighteval是一个由HuggingFace团队开发的轻量级语言模型评估框架,旨在为研究人员和开发者提供高效、灵活的模型评估解决方案。该框架支持多种评估场景,包括标准基准测试、自定义任务评估以及模型间对比评估等。最新发布的v0.9.2版本带来了一系列重要更新,显著提升了框架的功能性和易用性。

核心功能增强

本次更新最引人注目的是对推理能力的全面增强。框架现在支持Together AI模型和推理模型作为评估"评判者"(evaluator),这为模型间的对比评估提供了更多可能性。同时,通过集成huggingface_hub的推理API支持,用户现在可以更便捷地使用托管在HuggingFace Hub上的模型进行评估工作。

在模型配置方面,v0.9.2版本进行了重大重构,统一了模型参数处理逻辑,并采用Pydantic进行模型配置管理。这一改进不仅提高了代码的健壮性,还使得配置管理更加直观和类型安全。对于使用vLLM后端的用户,新版本还增加了对批处理大小控制的传播支持,以及思维链(COT)提示的集成,进一步提升了推理效率。

评估能力扩展

评估指标方面,本次更新引入了G-Pass@k这一新指标,为特定场景下的模型性能评估提供了更精细的工具。同时,对现有的pass@k数学计算进行了优化,确保评估结果更加准确可靠。

任务支持方面,v0.9.2版本新增了多个评估任务集,包括ARC AGI 2、SimpleQA等,丰富了框架的评估维度。特别值得注意的是对AIME基准测试的优化,现在使用n=16个样本来估计pass@1,使评估结果更加稳定。此外,还增加了乌兹别克语文字支持,体现了框架对多语言评估的持续投入。

开发者体验优化

在开发者体验方面,新版本增加了Weights & Biases日志集成功能,使实验结果的可视化和追踪变得更加便捷。动态批处理数据集的分割迭代逻辑也得到了更新,提高了数据处理效率。

文档方面也进行了多项改进,包括修复了Python API文档中的错误,提升了指标列表的标点一致性,并更新了快速入门指南中的命令示例,使新用户能够更快上手。

重要问题修复

v0.9.2版本解决了多个关键问题,包括:

  • 修复了vLLM后端中特殊令牌添加参数的字符串解析问题
  • 修正了tokenizer填充参数不正确的问题
  • 解决了TransformersModel.from_model()方法的问题
  • 改进了推理提供商的稳定性
  • 为vLLM模型默认使用bfloat16精度,提高计算效率

这些修复显著提升了框架的稳定性和可靠性,为用户提供了更加顺畅的评估体验。

总结

Lighteval v0.9.2版本通过新增功能、扩展评估能力、优化开发者体验和修复关键问题,全面提升了框架的实用性和可靠性。特别是对模型推理能力的增强和对新评估指标的支持,使该框架在语言模型评估领域保持了领先地位。随着越来越多的贡献者加入,Lighteval正迅速发展成为语言模型评估的重要工具之一。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K
kernelkernel
deepin linux kernel
C
22
6
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
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
930
553
nop-entropynop-entropy
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
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
423
392
金融AI编程实战金融AI编程实战
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
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
1.11 K
0
openHiTLS-examplesopenHiTLS-examples
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