保存和读取结果

在本地保存结果

Lighteval 将自动将结果和评估详情保存在使用 --output-dir 选项设置的目录中。结果将保存在 {output_dir}/results/{model_name}/results_{timestamp}.json 中。这是一个结果文件示例。输出路径可以是任何符合 fsspec 规范的路径（本地、s3、hf hub、gdrive、ftp 等）。

要保存评估的详细信息，您可以使用 --save-details 选项。详细信息将保存在 parquet 文件 {output_dir}/details/{model_name}/{timestamp}/details_{task}_{timestamp}.parquet 中。

将结果推送到 HuggingFace Hub

您可以将结果和评估详细信息推送到 HuggingFace Hub。为此，您需要设置 --push-to-hub 以及 --results-org 选项。结果将保存在名为 {results_org}/{model_org}/{model_name} 的数据集中。要推送详细信息，您需要设置 --save-details 选项。默认情况下，创建的数据集将是私有的，您可以通过设置 --public-run 选项将其公开。

将结果推送到 TensorBoard

您可以通过设置 --push-to-tensorboard 将结果推送到 TensorBoard。这将在使用 --results-org 选项设置的 HF 组织中创建一个 TensorBoard 仪表板。

如何加载和调查详细信息

从本地详细信息文件加载

from datasets import load_dataset
import os

output_dir = "evals_doc"
model_name = "HuggingFaceH4/zephyr-7b-beta"
timestamp = "latest"
task = "lighteval|gsm8k|0"

if timestamp == "latest":
    path = f"{output_dir}/details/{model_org}/{model_name}/*/"
    timestamps = glob.glob(path)
    timestamp = sorted(timestamps)[-1].split("/")[-2]
    print(f"Latest timestamp: {timestamp}")

details_path = f"{output_dir}/details/{model_name}/{timestamp}/details_{task}_{timestamp}.parquet"

# Load the details
details = load_dataset("parquet", data_files=details_path, split="train")

for detail in details:
    print(detail)

从 HuggingFace Hub 加载

from datasets import load_dataset

results_org = "SaylorTwift"
model_name = "HuggingFaceH4/zephyr-7b-beta"
sanitized_model_name = model_name.replace("/", "__")
task = "lighteval|gsm8k|0"
public_run = False

dataset_path = f"{results_org}/details_{sanitized_model_name}{'_private' if not public_run else ''}"
details = load_dataset(dataset_path, task.replace("|", "_"), split="latest")

for detail in details:
    print(detail)

详细信息文件包含以下列

choices：在多项选择任务中呈现给模型的选项。
gold：正确答案。
gold_index：正确答案在选项列表中的索引。
cont_tokens：延续 tokens。
example：文本形式的输入。
full_prompt：完整的 prompt，将输入到模型中。
input_tokens：完整 prompt 的 tokens。
instruction：给予模型的指令。
metrics：为示例计算的指标。
num_asked_few_shots：向模型请求的少量示例数量。
num_effective_few_shots：有效的少量示例数量。
padded：输入是否被填充。
pred_logits：模型的 logits。
predictions：模型的预测。
specifics：任务的细节。
truncated：输入是否被截断。

结果文件示例

{
  "config_general": {
    "lighteval_sha": "203045a8431bc9b77245c9998e05fc54509ea07f",
    "num_fewshot_seeds": 1,
    "override_batch_size": 1,
    "max_samples": 1,
    "job_id": "",
    "start_time": 620979.879320166,
    "end_time": 621004.632108041,
    "total_evaluation_time_secondes": "24.752787875011563",
    "model_name": "gpt2",
    "model_sha": "607a30d783dfa663caf39e06633721c8d4cfcd7e",
    "model_dtype": null,
    "model_size": "476.2 MB"
  },
  "results": {
    "lighteval|gsm8k|0": {
      "qem": 0.0,
      "qem_stderr": 0.0,
      "maj@8": 0.0,
      "maj@8_stderr": 0.0
    },
    "all": {
      "qem": 0.0,
      "qem_stderr": 0.0,
      "maj@8": 0.0,
      "maj@8_stderr": 0.0
    }
  },
  "versions": {
    "lighteval|gsm8k|0": 0
  },
  "config_tasks": {
    "lighteval|gsm8k": {
      "name": "gsm8k",
      "prompt_function": "gsm8k",
      "hf_repo": "gsm8k",
      "hf_subset": "main",
      "metric": [
        {
          "metric_name": "qem",
          "higher_is_better": true,
          "category": "3",
          "use_case": "5",
          "sample_level_fn": "compute",
          "corpus_level_fn": "mean"
        },
        {
          "metric_name": "maj@8",
          "higher_is_better": true,
          "category": "5",
          "use_case": "5",
          "sample_level_fn": "compute",
          "corpus_level_fn": "mean"
        }
      ],
      "hf_avail_splits": [
        "train",
        "test"
      ],
      "evaluation_splits": [
        "test"
      ],
      "few_shots_split": null,
      "few_shots_select": "random_sampling_from_train",
      "generation_size": 256,
      "generation_grammar": null,
      "stop_sequence": [
        "Question="
      ],
      "num_samples": null,
      "suite": [
        "lighteval"
      ],
      "original_num_docs": 1319,
      "effective_num_docs": 1,
      "trust_dataset": true,
      "must_remove_duplicate_docs": null,
      "version": 0
    }
  },
  "summary_tasks": {
    "lighteval|gsm8k|0": {
      "hashes": {
        "hash_examples": "8517d5bf7e880086",
        "hash_full_prompts": "8517d5bf7e880086",
        "hash_input_tokens": "29916e7afe5cb51d",
        "hash_cont_tokens": "37f91ce23ef6d435"
      },
      "truncated": 2,
      "non_truncated": 0,
      "padded": 0,
      "non_padded": 2,
      "effective_few_shots": 0.0,
      "num_truncated_few_shots": 0
    }
  },
  "summary_general": {
    "hashes": {
      "hash_examples": "5f383c395f01096e",
      "hash_full_prompts": "5f383c395f01096e",
      "hash_input_tokens": "ac933feb14f96d7b",
      "hash_cont_tokens": "9d03fb26f8da7277"
    },
    "truncated": 2,
    "non_truncated": 0,
    "padded": 0,
    "non_padded": 2,
    "num_truncated_few_shots": 0
  }
}

< > 在 GitHub 上更新