Benchmarking
Evalúa y compara el rendimiento del modelo.Evaluación Rápida
Usando Evaluación Mejorada
Solo Evaluación (Sin Entrenamiento)
Métricas
Métricas Disponibles
Evaluación Personalizada
La evaluación mejorada se ejecuta en tu división de validación durante el entrenamiento:La evaluación mejorada usa los datos de validación especificados por
--valid-split. Para evaluar en un conjunto de prueba separado después del entrenamiento, usa el LM Evaluation Harness o scripts personalizados mostrados a continuación.Velocidad de Inferencia
Prueba de Rendimiento
Uso de Memoria
Comparación de Modelos
Comparar Múltiples Modelos
Comparación W&B
Al hacer logging en W&B, compara ejecuciones en el panel:Benchmarks Estándar
LM Evaluation Harness
Para benchmarks estándar como HellaSwag, ARC y MMLU, usa el LM Evaluation Harness después del entrenamiento:Tareas de Benchmark Comunes
Informes
Generar Informe
Próximos Pasos
Servir Modelos
Despliega tu modelo
Modo de Inferencia
Ejecuta inferencia