Avaliação de execução

As execuções de avaliação são execuções MLflow que organizam e armazenam os resultados da avaliação do seu aplicativo GenAI. Uma execução de avaliação inclui o seguinte:

• Rastros : um rastreamento para cada entrada no seu dataset de avaliação.
• Feedback : Avaliações de qualidade dos pontuadores anexadas a cada traço.
• métricas : estatísticas agregadas em todos os exemplos avaliados.
• Metadados : informações sobre a configuração da avaliação.

Como criar uma execução de avaliação

Uma execução de avaliação é criada automaticamente quando você chama mlflow.genai.evaluate(). Para mais informações sobre mlflow.genai.evaluate(), consulte o código- MLflow e a documentação do MLflow.

Python

import mlflow

# This creates an evaluation run
results = mlflow.genai.evaluate(
    data=test_dataset,
    predict_fn=my_app,
    scorers=[correctness_scorer, safety_scorer],
    experiment_name="my_app_evaluations"
)

# Access the run ID
print(f"Evaluation run ID: {results.run_id}")

Estrutura de execução da avaliação

Evaluation Run
├── Run Info
│   ├── run_id: unique identifier
│   ├── experiment_id: which experiment it belongs to
│   ├── start_time: when evaluation began
│   └── status: success/failed
├── Traces (one per dataset row)
│   ├── Trace 1
│   │   ├── inputs: {"question": "What is MLflow?"}
│   │   ├── outputs: {"response": "MLflow is..."}
│   │   └── feedbacks: [correctness: 0.8, relevance: 1.0]
│   ├── Trace 2
│   └── ...
├── Aggregate Metrics
│   ├── correctness_mean: 0.85
│   ├── relevance_mean: 0.92
│   └── safety_pass_rate: 1.0
└── Parameters
    ├── model_version: "v2.1"
    ├── dataset_name: "qa_test_v1"
    └── scorers: ["correctness", "relevance", "safety"]