Conjunto de dados de avaliação

Dados de teste selecionados para avaliação sistemática do aplicativo GenAI. Inclui entradas, informações básicas opcionais (expectativas) e metadados.

Duas maneiras de fornecer dados de avaliação

O senhor pode fornecer dados de avaliação para o chicote de avaliação do MLflow de duas maneiras:

1. MLflow Conjunto de dados de avaliação (recomendado)

Conjunto de dados criado para fins específicos armazenado em Unity Catalog com:

Controle de versão : Acompanhe as alterações do site dataset ao longo do tempo
Linhagem : Vincule os registros do dataset às suas entradas (rastreamentos de origem) e acompanhe seu uso (execução de avaliação e versões de aplicativos)
Colaboração : Compartilhe o conjunto de dados entre as equipes
Integração : Fluxo de trabalho contínuo com MLflow UI e APIs
Governança : Segurança do Unity Catalog e controles de acesso
Conversão de traços : Converta facilmente os traços de produção em registros de avaliação dataset usando a interface do usuário ou SDK
Visualização : Inspecione e edite o conteúdo do site dataset diretamente na UI do site MLflow

Quando usar : Fluxo de trabalho de avaliação da produção, testes de regressão e quando o senhor precisar de recursos de gerenciamento do dataset.

2. Conjunto de dados arbitrário (prototipagem rápida)

Use estruturas de dados existentes, como:

Lista de dicionários
Pandas DataFrame
DataFrame do Spark

Quando usar : experimentos rápidos, prototipagem ou quando você já tem dados de avaliação nesses formatos.

Esquema do conjunto de dados de avaliação

O conjunto de dados de avaliação segue uma estrutura consistente, independentemente de você utilizar a abstração do conjunto de dados de avaliação do MLflow ou passar os dados diretamente para o mlflow.genai.evaluate().

Campos principais

Os campos a seguir são usados na abstração do conjunto de dados de avaliação ou se o senhor passar os dados diretamente.

Coluna	Tipo de dados	Descrição	Obrigatório
`inputs`	`dict[Any, Any]`	Entradas para o seu aplicativo (por exemplo, pergunta do usuário, contexto), armazenadas como um JSON-seralizável `dict`.	Sim
`expectations`	`dict[Str, Any]`	O rótulo da verdade fundamental, armazenado como um JSON-seralizable `dict`.	Opcional

`expectations` chave reservada

expectations tem várias chaves reservadas que são usadas pelos avaliadores LLM pré-construídos: guidelines, expected_facts e expected_response.

campo	Usado por	Descrição
`expected_facts`	`correctness` juiz	Lista de fatos que devem aparecer
`expected_response`	`is_correct` marcador	Saída esperada exata ou similar
`guidelines`	`meets_guidelines` marcador	Regras de linguagem natural a serem seguidas
`expected_retrieved_context`	`document_recall` marcador	Documentos que devem ser recuperados

Campos adicionais

Os campos a seguir são usados pela abstração do conjunto de dados de avaliação para rastrear a linhagem e o histórico de versões.

Coluna	Tipo de dados	Descrição	Obrigatório
`dataset_record_id`	string	O identificador exclusivo do registro.	Definido automaticamente se não for fornecido.
`create_time`	carimbo de data/hora	A hora em que o registro foi criado.	Definido automaticamente ao inserir ou atualizar.
`created_by`	string	O usuário que criou o registro.	Definido automaticamente ao inserir ou atualizar.
`last_update_time`	carimbo de data/hora	A hora em que o registro foi atualizado pela última vez.	Definido automaticamente ao inserir ou atualizar.
`last_updated_by`	string	O usuário que atualizou o registro pela última vez.	Definido automaticamente ao inserir ou atualizar.
`source`	struct	A fonte do registro dataset (consulte abaixo).	Opcional
`tags`	dict [str, Qualquer]	tags de valor-chave para o registro dataset.	Opcional

Campo de origem

O campo source rastreia de onde veio um registro dataset. Cada registro pode ter somente um tipo de fonte:

1. Fonte humana - Registro criado manualmente por uma pessoa

Python
{
    "source": {
        "human": {
            "user_name": "jane.doe@company.com"
        }
    }
}

user_name (str): O usuário que criou o registro

2. Fonte do documento - Registro sintetizado a partir de um documento

Python
{
    "source": {
        "document": {
            "doc_uri": "s3://bucket/docs/product-manual.pdf",
            "content": "The first 500 chars of the document..."  # Optional
        }
    }
}

doc_uri (str): URI/caminho para o documento de origem
content (str, opcional): trecho ou conteúdo completo do documento

3. Fonte de rastreamento - Registro criado a partir de um rastreamento de produção

Python
{
    "source": {
        "trace": {
            "trace_id": "tr-abc123def456"
        }
    }
}

trace_id (str): O identificador exclusivo do rastreamento de origem

MLflow Conjunto de dados de avaliação UI

eval dataset ui

MLflow Conjunto de dados de avaliação reference SDK

O conjunto de dados de avaliação SDK fornece acesso programático para criar, gerenciar e usar o conjunto de dados para avaliação do aplicativo GenAI.

Referência da API : mlflow.genai.datasets módulo

Pré-requisitos para executar os exemplos

Instale o site MLflow e o pacote necessário

Bash
pip install --upgrade "mlflow[databricks]>=3.1.0" "databricks-connect>=16.1"

Crie um experimento MLflow seguindo o início rápido de configuração do ambiente.
CREATE TABLE permissões em um esquema do Unity Catalog

`create_dataset()`

Referência da API : mlflow.genai.datasets.create_dataset

Criar uma nova avaliação dataset em Unity Catalog.

Python
import mlflow.genai.datasets

# Create a dataset with auto-inferred experiment
dataset = mlflow.genai.datasets.create_dataset(
    uc_table_name="catalog.schema.evaluation_dataset"
)

# Create a dataset associated with specific experiment(s)
dataset = mlflow.genai.datasets.create_dataset(
    uc_table_name="catalog.schema.evaluation_dataset",
    experiment_id="1213947645336731"
)

# Associate with multiple experiments
dataset = mlflow.genai.datasets.create_dataset(
    uc_table_name="catalog.schema.evaluation_dataset",
    experiment_id=["1213947645336731", "3231394764336731"]
)

Parâmetros:

uc_table_name (str): Unity Catalog nome da tabela para o dataset
experiment_id (str ou lista, opcional): ID(s) de experimento a ser(em) associado(s) ao dataset

Retorna: objeto EvaluationDataset

`get_dataset()`

Referência da API : mlflow.genai.datasets.get_dataset

Carregar uma avaliação existente dataset de Unity Catalog.

Python
import mlflow.genai.datasets

# Load existing dataset
dataset = mlflow.genai.datasets.get_dataset(
    uc_table_name="catalog.schema.evaluation_dataset"
)

# Access dataset properties
print(f"Dataset ID: {dataset.dataset_id}")
print(f"Created by: {dataset.created_by}")
print(f"Last updated: {dataset.last_update_time}")

Parâmetros:

uc_table_name (str): Unity Catalog nome da tabela do dataset

Retorna: objeto EvaluationDataset

`delete_dataset()`

Referência da API : mlflow.genai.datasets.delete_dataset

Excluir uma avaliação dataset de Unity Catalog.

atenção

Chamar este método exclui permanentemente o dataset.

Python
import mlflow.genai.datasets

# Delete a dataset
mlflow.genai.datasets.delete_dataset(
    uc_table_name="catalog.schema.evaluation_dataset"
)

Parâmetros:

uc_table_name (str): Unity Catalog nome da tabela dataset a ser excluída

Devoluções: Nenhuma

Classe`EvaluationDataset`

A classe EvaluationDataset fornece métodos para interagir com e modificar o conjunto de dados de avaliação.

Propriedades

Python
import mlflow.genai.datasets

dataset = mlflow.genai.datasets.get_dataset("catalog.schema.eval_dataset")

# Access dataset metadata
dataset_id = dataset.dataset_id          # Unique identifier
name = dataset.name                      # UC table name
schema = dataset.schema                  # Dataset schema
profile = dataset.profile                # Summary statistics
source = dataset.source                  # Source information
source_type = dataset.source_type        # Source type (e.g., "databricks-uc-table")
digest = dataset.digest                  # Hash of the dataset

# Access audit information
created_by = dataset.created_by          # Creator user
create_time = dataset.create_time        # Creation timestamp
last_updated_by = dataset.last_updated_by # Last updater
last_update_time = dataset.last_update_time # Last update timestamp

`merge_records()`

Adicione ou atualize registros no dataset. Passando diretamente registros dataset, uma lista de trace_ids MLflow ou os resultados de mlflow.search_traces().

Python
import mlflow.genai.datasets
import pandas as pd

dataset = mlflow.genai.datasets.get_dataset("catalog.schema.eval_dataset")

# Merge from list of dictionaries
records = [
    {
        "inputs": {"question": "What is MLflow?"},
        "expectations": {
            "expected_facts": ["open-source platform", "ML lifecycle"],
            "guidelines": "Response should be concise and technical"
        }
    },
    {
        "inputs": {"question": "How to track experiments?"},
        "expectations": {
            "expected_response": "Use mlflow.start_run() to track experiments..."
        }
    }
]
dataset = dataset.merge_records(records)

# Merge from Pandas DataFrame
df = pd.DataFrame(records)
dataset = dataset.merge_records(df)

# Merge from Spark DataFrame
from pyspark.sql import SparkSession
spark = SparkSession.builder.getOrCreate()
spark_df = spark.createDataFrame(records)
dataset = dataset.merge_records(spark_df)

# Create from existing traces
traces = mlflow.search_traces()
dataset.merge_records(traces)

Parâmetros:

records (list[dict], pd.DataFrame ou PySpark.sql.DataFrame): Registros para merge

Retorna: objeto EvaluationDataset atualizado

`to_df()`

Converta o site dataset em um Pandas DataFrame para análise local.

Python
import mlflow.genai.datasets

dataset = mlflow.genai.datasets.get_dataset("catalog.schema.eval_dataset")

# Convert to DataFrame
df = dataset.to_df()

# Analyze the data
print(f"Total records: {len(df)}")
print(f"Columns: {df.columns.tolist()}")

Retorna: pd.Dataframe

Padrões comuns

Criar conjunto de dados a partir de traços de produção

Python
import mlflow
import mlflow.genai.datasets
import pandas as pd


# By default, search_traces() searches the current active experiment.
# To search a different experiment, set it explicitly:
mlflow.set_experiment(experiment_id=<YOUR_EXPERIMENT_ID>)

# Search for production traces with good feedback
traces = mlflow.search_traces(
    filter_string="""
        tags.environment = 'production'
        AND attributes.feedback_score > 0.8
    """
)

dataset = mlflow.genai.datasets.create_dataset(
    uc_table_name="catalog.schema.production_golden_set"
)

dataset = dataset.merge_records(traces)

Atualizar o conjunto de dados existente

Python
import mlflow.genai.datasets
import pandas as pd

# Load existing dataset
dataset = mlflow.genai.datasets.get_dataset("catalog.schema.eval_dataset")

# Add new test cases
new_cases = [
    {
        "inputs": {"question": "What are MLflow models?"},
        "expectations": {
            "expected_facts": ["model packaging", "deployment", "registry"],
            "min_response_length": 100
        }
    }
]

# Merge new cases
dataset = dataset.merge_records(new_cases)

Limitação

A chave de gerenciamento do cliente (CMK) não é compatível.

Próximas etapas

Guia de instruções

Criar conjunto de dados de avaliação - Criação passo a passo do site dataset
Avalie seu aplicativo - Use o conjunto de dados para avaliação

Conceitos

Evaluation Harness - Como o conjunto de dados é usado
Evaluation execution - Resultados da avaliação dataset
Scorers - métricas aplicadas ao conjunto de dados

Duas maneiras de fornecer dados de avaliação​

1. MLflow Conjunto de dados de avaliação (recomendado)​

2. Conjunto de dados arbitrário (prototipagem rápida)​

Esquema do conjunto de dados de avaliação​

Campos principais​

expectations chave reservada​

Campos adicionais​

Campo de origem​

MLflow Conjunto de dados de avaliação UI​

MLflow Conjunto de dados de avaliação reference SDK​

Pré-requisitos para executar os exemplos​

create_dataset()​

get_dataset()​

delete_dataset()​

ClasseEvaluationDataset​

Propriedades​

merge_records()​

to_df()​

Padrões comuns​

Criar conjunto de dados a partir de traços de produção​

Atualizar o conjunto de dados existente​

Limitação​

Próximas etapas​

Guia de instruções​

Conceitos​

Duas maneiras de fornecer dados de avaliação

1. MLflow Conjunto de dados de avaliação (recomendado)

2. Conjunto de dados arbitrário (prototipagem rápida)

Esquema do conjunto de dados de avaliação

Campos principais

`expectations` chave reservada

Campos adicionais

Campo de origem

MLflow Conjunto de dados de avaliação UI

MLflow Conjunto de dados de avaliação reference SDK

Pré-requisitos para executar os exemplos

`create_dataset()`

`get_dataset()`

`delete_dataset()`

Classe`EvaluationDataset`

Propriedades

`merge_records()`

`to_df()`

Padrões comuns

Criar conjunto de dados a partir de traços de produção

Atualizar o conjunto de dados existente

Limitação

Próximas etapas

Guia de instruções

Conceitos