🚀AI评测这么玩(2)——使用开源评测引擎eval-engine实现问答相似度评估

开源啦!欢迎大家Star&Fork,基于Java的开源评测引擎eval-engine:gitee.com/skeletron20...

评测要求

需要对某问答助手的回复和GroundTruth的相似度进行评估

评测实现

1、引入依赖最新eval-engine依赖

java 复制代码
<dependency>
    <groupId>io.gitee.skeletron2011</groupId>
    <artifactId>eval-engine</artifactId>
    <version>0.0.3</version>
</dependency>

2、编写评测代码

整个评测工作流如图所示:

相关代码实现:

java 复制代码
package example1.testsuite;

import org.apache.commons.lang3.tuple.ImmutablePair;
import org.apache.commons.lang3.tuple.Pair;
import org.evaltool.evalengine.common.utils.DateUtils;
import org.evaltool.evalengine.eval.model.ApiCompletionResult;
import org.evaltool.evalengine.eval.model.DataItem;
import org.evaltool.evalengine.eval.model.InputData;
import org.evaltool.evalengine.eval.node.api.ApiCompletion;
import org.evaltool.evalengine.eval.node.dataloader.DataLoader;
import org.evaltool.evalengine.eval.node.reporter.HtmlReporter;
import org.evaltool.evalengine.eval.node.reporter.JsonReporter;
import org.evaltool.evalengine.eval.node.reporter.Reporter;
import org.evaltool.evalengine.eval.node.scorer.Scorer;
import org.evaltool.evalengine.eval.node.scorer.VectorSimilarityScorer;
import org.evaltool.evalengine.workflow.WorkflowBuilder;
import org.evaltool.evalengine.workflow.WorkflowNode;
import org.testng.annotations.BeforeMethod;
import org.testng.annotations.Test;

import java.util.List;
import java.util.Map;

/**
 * mvn clean test -DsuiteXmlFile=src/test/example1.xml -Dtest=example1.testsuite.EvalTest#test
 */
public class EvalTest {
    WorkflowBuilder builder;
    DataLoader dataLoader;
    ApiCompletion apiCompletion;
    Scorer scorer;
    Reporter stdOutReporter;
    Reporter htmlReporter;
    Reporter jsonReporter;

    @BeforeMethod
    public void beforeMethod() {
        dataLoader = new DataLoader() {
            @Override
            public List<InputData> prepareDataList() {
                return List.of(new InputData(Map.of("query", "Hello,world!", "groundTruth", "Hi, My friends!")));
            }
        };

        apiCompletion = new ApiCompletion() {
            @Override
            protected ApiCompletionResult invoke(DataItem dataItem) {
                return new ApiCompletionResult(Map.of("response", "Hi!"));
            }
        };

        scorer = new VectorSimilarityScorer("相似度品评估", 0.9) {
            @Override
            public Pair<String, String> prepareFieldPair(DataItem dataItem) {
                String groundTruth = dataItem.getInputData().get("groundTruth");
                String response = dataItem.getApiCompletionResult().get("response");
                return new ImmutablePair<>(groundTruth, response);
            }
        };

        stdOutReporter = new Reporter() {
            @Override
            protected void report(List<DataItem> items) {
                items.forEach(System.out::println);
            }
        };
        String fileName = "EvalTest" + DateUtils.getNowDateStr();
        htmlReporter = new HtmlReporter(fileName);
        jsonReporter = new JsonReporter(fileName);
    }

    @Test
    public void test() {
        WorkflowNode[] reporters = {stdOutReporter, htmlReporter, jsonReporter};
        builder = new WorkflowBuilder();
        builder.addNodes(dataLoader, apiCompletion, scorer);
        builder.addNodes(reporters);
        builder.addDependency(dataLoader, apiCompletion);
        builder.addDependency(apiCompletion, scorer);
        builder.addDependencies(scorer, reporters);

        builder.build().execute();
    }
}

评测运行

执行如下mvn命令触发执行:

bash 复制代码
mvn clean test -DsuiteXmlFile=src/test/example1.xml -Dtest=example1.testsuite.EvalTest#test

评测结果

由于添加了json和html结果上报器,所以会生成json评测结果和html评测报告。

json评测结果如下:

json 复制代码
{
  "dataItems": [
    {
      "dataIndex": 0,
      "inputData": {
        "dataIndex": 0,
        "inputItem": {
          "query": "Hello,world!",
          "groundTruth": "Hi, My friends!"
        }
      },
      "apiCompletionResult": {
        "dataIndex": 0,
        "resultItem": {
          "response": "Hi!"
        },
        "timeCost": 0
      },
      "scorerResults": [
        {
          "dataIndex": 0,
          "metric": "相似度品评估",
          "score": 0.0,
          "reason": "相似度为0.5774,小于阈值0.9000",
          "extra": {
            "similarity": 0.5773502691896258,
            "threshold": 0.9
          },
          "timeCost": 97
        }
      ],
      "extra": null
    }
  ],
  "countResult": null
}

html评测报告如下:

相关推荐
星栈1 小时前
视频即代码,Remotion 能做什么、不能做什么
前端·音视频开发
广州华水科技1 小时前
单北斗GNSS位移监测系统的应用与技术解析
前端
用户47949283569152 小时前
从一句话或代码仓到可交互 HTML:开源 Agent 画图技能 Archify v3.2 实测与选型边界
前端·后端·面试
努力的小雨3 小时前
别再复制日志给AI了!我让Codex自己去观测云查报错
后端
风骏时光牛马4 小时前
生成一个AI多模态标题,仅输出一条标题,无额外文字、问句、备选、配图、文案等任何附加内容,不需要其他的任务服务 只要标题。
前端
wangruofeng4 小时前
从 GIF 到 AVIF:网页图片格式演进与 2026 年选型指南
前端·架构
afumu5 小时前
Go 写一个只监听 127.0.0.1 的控制服务:鉴权、白名单、危险命令拦截
后端·安全·go
清晨Coding5 小时前
为什么用 React Developer Tools 查看组件树这么乱?
前端·react.js
johnjincaaaa5 小时前
猿人学第 18 题「jsvmp 洞察先机」逆向通关实录
javascript·后端
用户4702784004056 小时前
C语言编译与链接
后端·开源