评估为大型语言模型(LLM)或基于LLM构建的系统提供评估框架。我们提供现有的评估注册表,用于测试OpenAI模型的不同维度,并且可以编写自定义评估以满足您关心的用例。您还可以使用自己的数据构建私有评估,这些评估代表您工作流程中常见的LLM模式,而无需公开暴露任何数据。
如果您正在使用LLM进行构建,创建高质量的评估是您可以做的最有影响力的事情之一。没有评估,很难理解不同模型版本如何影响您的用例,而且可能非常耗时。用OpenAI总裁Greg Brockman的话说:
<img width="596" alt="https://x.com/gdb/status/1733553161884127435?s=20" src="https://github.com/openai/evals/assets/35577566/ce7840ff-43a8-4d88-bb2f-6b207410333b">要运行评估,您需要设置并指定您的OpenAI API密钥。获得API密钥后,请使用OPENAI_API_KEY环境变量指定它。运行评估时,请注意使用API所产生的成本。您还可以使用Weights & Biases运行和创建评估。
最低要求版本:Python 3.9
我们的评估注册表使用Git-LFS存储。下载并安装LFS后,您可以在本地evals仓库副本中使用以下命令获取评估:
cd evals git lfs fetch --all git lfs pull
这将填充evals/registry/data下的所有指针文件。
如果您只想获取特定评估的数据,可以通过以下方式实现:
git lfs fetch --include=evals/registry/data/${your eval} git lfs pull
如果您要创建评估,我们建议直接从GitHub克隆此仓库,并使用以下命令安装要求:
pip install -e .
使用-e,您对评估所做的更改将立即生效,无需重新安装。
可选地,您可以安装用于预提交的格式化程序:
pip install -e .[formatters]
然后运行pre-commit install将pre-commit安装到您的git钩子中。pre-commit现在将在每次提交时运行。
如果您想手动对仓库运行所有pre-commit钩子,请运行pre-commit run --all-files 。要运行单个钩子,请使用pre-commit run <hook_id>。
如果您不想贡献新的评估,而只想在本地运行它们,可以通过pip安装evals包:
pip install evals
您可以在run-evals.md中找到运行现有评估的完整说明,在eval-templates.md中找到我们现有的评估模板。对于更高级的用例,如提示链或使用工具的代理,您可以使用我们的完成函数协议。
我们提供选项让您将评估结果记录到Snowflake数据库中,如果您有或想设置一个的话。对于此选项,您还需要指定SNOWFLAKE_ACCOUNT、SNOWFLAKE_DATABASE、SNOWFLAKE_USERNAME和SNOWFLAKE_PASSWORD环境变量。
我们建议从以下方面入手:
请注意,我 们目前不接受带有自定义代码的评估!虽然我们暂时要求您不要提交此类评估,但您仍可以使用自定义模型评分YAML文件提交模型评分评估。
如果您认为您有一个有趣的评估,请开启一个拉取请求提交您的贡献。OpenAI员工在考虑改进即将推出的模型时会积极审查这些评估。
您有从头到尾构建评估的示例吗?
您有以多种不同方式实现的评估示例吗?
当我运行评估时,有时在最后(最终报告之后)会卡住。这是怎么回事?
代码太多,我只想快速启动一个评估。有什么建议吗?或者,
我是一名世界级的提示工程师。我选择不编码。我如何贡献我的智慧?
通过贡献评估,您同意使您的评估逻辑和数据采用与本仓库相同的MIT许可。您必须拥有足够的权利来上传评估中使用的任何数据。OpenAI保留在未来的服务改进中使用这些数据的权利。对OpenAI评估的贡献将受我们通常的使用政策约束:https://platform.openai.com/docs/usage-policies。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持 语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效 生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号