跳转到主要内容

基准测试

评估和比较模型性能。

快速评估

使用增强评估

仅评估(不训练)

指标

可用指标

自定义评估

增强评估在训练期间在您的验证集上运行:
增强评估使用 --valid-split 指定的验证数据。要在训练后在单独的测试集上评估,请使用下面显示的 LM Evaluation Harness 或自定义脚本。

推理速度

吞吐量测试

内存使用

模型比较

比较多个模型

W&B 比较

记录到 W&B 时,在仪表板中比较运行:

标准基准测试

LM Evaluation Harness

对于像 HellaSwag、ARC 和 MMLU 这样的标准基准测试,在训练后使用 LM Evaluation Harness:

常见基准测试任务

报告

生成报告

下一步

模型服务

部署您的模型

推理模式

运行推理