MTEB项目在Mac系统上遇到的密码提示问题分析与解决方案
2025-07-01 06:42:45作者:钟日瑜
在MTEB(Massive Text Embedding Benchmark)项目的v2.0.0版本开发过程中,开发团队遇到了一个与系统权限相关的技术问题。这个问题主要影响使用Apple M1/M2芯片的Mac用户,在执行任务评估或运行测试时会意外出现系统密码提示。
问题现象
当用户尝试运行MTEB评估任务或执行测试套件时,系统会突然要求输入密码。这种情况发生在使用项目中的CO₂排放跟踪功能时,底层调用了macOS系统的powermetrics工具来测量CPU能耗。由于powermetrics需要root权限才能运行,因此系统会弹出密码验证对话框。
技术背景
这个问题源于MTEB集成的CodeCarbon库的默认行为。CodeCarbon是一个用于跟踪机器学习代码碳排放的工具,它通过测量硬件能耗来估算碳排放量。在macOS系统上,CodeCarbon默认会尝试使用powermetrics工具来获取精确的CPU能耗数据。
解决方案探讨
开发团队考虑了多种解决方案:
-
临时解决方案:通过在sudoers文件中添加NOPASSWD配置,允许特定用户无需密码即可运行powermetrics。这种方法虽然能解决问题,但存在安全隐患,不推荐作为通用解决方案。
-
配置调整:在MTEB中提供选项,允许用户禁用CO₂跟踪功能。这可以通过设置co2_tracker=False参数实现。
-
等待上游修复:CodeCarbon团队正在开发不需要sudo权限的替代方案,这将从根本上解决问题。
最终决策
经过讨论,MTEB团队决定:
- 保持CO₂跟踪功能的默认启用状态,以支持项目的可持续发展目标
- 将CodeCarbon设为可选依赖,让用户可以根据需要选择是否安装
- 为遇到问题的用户提供明确的文档说明和临时解决方案
对开发者的建议
对于使用Apple Silicon Mac的开发者:
- 如果不需要CO₂跟踪功能,可以通过配置参数禁用
- 如果需要此功能但不想频繁输入密码,可以考虑配置sudoers文件(需谨慎操作)
- 关注CodeCarbon项目的更新,等待更优雅的解决方案
这个问题展示了在跨平台开发中处理系统权限的挑战,也体现了开源社区协作解决问题的效率。MTEB团队通过灵活的架构设计和清晰的文档,既保持了核心功能,又为不同环境的用户提供了解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
421
3.22 K
Ascend Extension for PyTorch
Python
230
261
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
330
暂无简介
Dart
686
160
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
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869