Saltar al contenido principal

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