工具介绍与任务方法
Lighteval
跨模型后端运行语言模型评估，并保存逐条样本结果供检查和比较。
Lighteval 能做什么
跨模型后端运行语言模型评估，并保存逐条样本结果供检查和比较。
- 语言模型与智能体质量评估及回归检查
如何使用 Lighteval
检查模型的逐题评估结果
准备输入
- 模型或服务接口
- 评估任务
- 评分要求
操作步骤
- 选定模型后端、评估任务与指标，固定本轮的推理设置。
- 运行评估并保留每个样例的模型回答。
- 查看逐题结果，区分知识错误、输出格式问题与评分偏差。
预期交付物
- 逐样本结果
- 评估汇总
检查错误样本和指标定义，不能只看汇总分数。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
