이 문서는 대화형 노트북입니다. 로컬에서 실행하거나 아래 링크를 사용할 수 있습니다:

Leaderboard 퀵스타트

이 노트북에서는 Weave의 Leaderboard를 사용하여 서로 다른 데이터셋과 스코어링 함수에서 모델 성능을 비교하는 방법을 알아봅니다. 구체적으로 다음을 수행합니다.

가상의 우편번호 데이터셋을 생성합니다.
여러 스코어링 함수를 정의하고 베이스라인 모델을 평가합니다.
이 기법들을 사용해 여러 모델과 평가 조합으로 이루어진 매트릭스를 평가합니다.
Weave UI에서 Leaderboard를 확인합니다.

1단계: 가짜 우편번호 데이터셋 생성하기

먼저 가짜 우편번호 데이터 목록을 생성하는 generate_dataset_rows 함수를 만듭니다.

import json

from openai import OpenAI
from pydantic import BaseModel

class Row(BaseModel):
    zip_code: str
    city: str
    state: str
    avg_temp_f: float
    population: int
    median_income: int
    known_for: str

class Rows(BaseModel):
    rows: list[Row]

def generate_dataset_rows(
    location: str = "United States", count: int = 5, year: int = 2022
):
    client = OpenAI()

    completion = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[
            {"role": "system", "content": "You are a helpful assistant."},
            {
                "role": "user",
                "content": f"Please generate {count} rows of data for random zip codes in {location} for the year {year}.",
            },
        ],
        response_format={
            "type": "json_schema",
            "json_schema": {
                "name": "response_format",
                "schema": Rows.model_json_schema(),
            },
        },
    )

    return json.loads(completion.choices[0].message.content)["rows"]
python
import weave

weave.init("leaderboard-demo")

2단계: 스코어링 함수 작성

이제 3개의 스코어링 함수를 작성합니다:

check_concrete_fields: 모델 출력의 도시와 주가 예상 값과 일치하는지 확인합니다.
check_value_fields: 모델 출력이 예상 인구와 중위 소득 값의 ±10% 이내인지 확인합니다.
check_subjective_fields: LLM(대규모 언어 모델)을 사용하여 모델 출력이 예상 “known for” 필드와 일치하는지 확인합니다.

@weave.op
def check_concrete_fields(city: str, state: str, output: dict):
    return {
        "city_match": city == output["city"],
        "state_match": state == output["state"],
    }

@weave.op
def check_value_fields(
    avg_temp_f: float, population: int, median_income: int, output: dict
):
    return {
        "avg_temp_f_err": abs(avg_temp_f - output["avg_temp_f"]) / avg_temp_f,
        "population_err": abs(population - output["population"]) / population,
        "median_income_err": abs(median_income - output["median_income"])
        / median_income,
    }

@weave.op
def check_subjective_fields(zip_code: str, known_for: str, output: dict):
    client = OpenAI()

    class Response(BaseModel):
        correct_known_for: bool

    completion = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[
            {"role": "system", "content": "You are a helpful assistant."},
            {
                "role": "user",
                "content": f"My student was asked what the zip code {zip_code} is best known best for. The right answer is '{known_for}', and they said '{output['known_for']}'. Is their answer correct?",
            },
        ],
        response_format={
            "type": "json_schema",
            "json_schema": {
                "name": "response_format",
                "schema": Response.model_json_schema(),
            },
        },
    )

    return json.loads(completion.choices[0].message.content)

3단계: 간단한 Evaluation 만들기

이제 가짜 데이터와 스코어링 함수를 사용해 간단한 Evaluation을 정의합니다.

rows = generate_dataset_rows()
evaluation = weave.Evaluation(
    name="United States - 2022",
    dataset=rows,
    scorers=[
        check_concrete_fields,
        check_value_fields,
        check_subjective_fields,
    ],
)

4단계: 베이스라인 모델 평가하기

이제 정적인 응답을 반환하는 베이스라인 모델을 평가합니다.

@weave.op
def baseline_model(zip_code: str):
    return {
        "city": "New York",
        "state": "NY",
        "avg_temp_f": 50.0,
        "population": 1000000,
        "median_income": 100000,
        "known_for": "The Big Apple",
    }

await evaluation.evaluate(baseline_model)

Step 5: 더 많은 모델 만들기

이제 베이스라인과 비교하기 위해 모델 2개를 더 생성하겠습니다.

@weave.op
def gpt_4o_mini_no_context(zip_code: str):
    client = OpenAI()

    completion = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": f"""Zip code {zip_code}"""}],
        response_format={
            "type": "json_schema",
            "json_schema": {
                "name": "response_format",
                "schema": Row.model_json_schema(),
            },
        },
    )

    return json.loads(completion.choices[0].message.content)

await evaluation.evaluate(gpt_4o_mini_no_context)
python
@weave.op
def gpt_4o_mini_with_context(zip_code: str):
    client = OpenAI()

    completion = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[
            {
                "role": "user",
                "content": f"""Please answer the following questions about the zip code {zip_code}:
                   1. What is the city?
                   2. What is the state?
                   3. What is the average temperature in Fahrenheit?
                   4. What is the population?
                   5. What is the median income?
                   6. What is the most well known thing about this zip code?
                   """,
            }
        ],
        response_format={
            "type": "json_schema",
            "json_schema": {
                "name": "response_format",
                "schema": Row.model_json_schema(),
            },
        },
    )

    return json.loads(completion.choices[0].message.content)

await evaluation.evaluate(gpt_4o_mini_with_context)

6단계: 더 많은 Evaluation 생성

이제 모델과 Evaluation 조합으로 이루어진 매트릭스를 평가합니다.

scorers = [
    check_concrete_fields,
    check_value_fields,
    check_subjective_fields,
]
evaluations = [
    weave.Evaluation(
        name="United States - 2022",
        dataset=weave.Dataset(
            name="United States - 2022",
            rows=generate_dataset_rows("United States", 5, 2022),
        ),
        scorers=scorers,
    ),
    weave.Evaluation(
        name="California - 2022",
        dataset=weave.Dataset(
            name="California - 2022", rows=generate_dataset_rows("California", 5, 2022)
        ),
        scorers=scorers,
    ),
    weave.Evaluation(
        name="United States - 2000",
        dataset=weave.Dataset(
            name="United States - 2000",
            rows=generate_dataset_rows("United States", 5, 2000),
        ),
        scorers=scorers,
    ),
]
models = [
    baseline_model,
    gpt_4o_mini_no_context,
    gpt_4o_mini_with_context,
]

for evaluation in evaluations:
    for model in models:
        await evaluation.evaluate(
            model, __weave={"display_name": evaluation.name + ":" + model.__name__}
        )

7단계: Leaderboard 검토

UI에서 Leaderboard 탭으로 이동한 다음 “Create Leaderboard”를 클릭하여 새 Leaderboard를 만들 수 있습니다. Python에서 바로 Leaderboard를 생성할 수도 있습니다:

from weave.flow import leaderboard
from weave.trace.ref_util import get_ref

spec = leaderboard.Leaderboard(
    name="Zip Code World Knowledge",
    description="""
This leaderboard compares the performance of models in terms of world knowledge about zip codes.

### Columns

1. **State Match against `United States - 2022`**: The fraction of zip codes that the model correctly identified the state for.
2. **Avg Temp F Error against `California - 2022`**: The mean absolute error of the model's average temperature prediction.
3. **Correct Known For against `United States - 2000`**: The fraction of zip codes that the model correctly identified the most well known thing about the zip code.
""",
    columns=[
        leaderboard.LeaderboardColumn(
            evaluation_object_ref=get_ref(evaluations[0]).uri(),
            scorer_name="check_concrete_fields",
            summary_metric_path="state_match.true_fraction",
        ),
        leaderboard.LeaderboardColumn(
            evaluation_object_ref=get_ref(evaluations[1]).uri(),
            scorer_name="check_value_fields",
            should_minimize=True,
            summary_metric_path="avg_temp_f_err.mean",
        ),
        leaderboard.LeaderboardColumn(
            evaluation_object_ref=get_ref(evaluations[2]).uri(),
            scorer_name="check_subjective_fields",
            summary_metric_path="correct_known_for.true_fraction",
        ),
    ],
)

ref = weave.publish(spec)

시작하기

가이드

쿡북

레퍼런스

자세한 정보 및 지원

오픈 소스

커뮤니티

리더보드 퀵스타트

Leaderboard 퀵스타트

1단계: 가짜 우편번호 데이터셋 생성하기

2단계: 스코어링 함수 작성

3단계: 간단한 Evaluation 만들기

4단계: 베이스라인 모델 평가하기

Step 5: 더 많은 모델 만들기

6단계: 더 많은 Evaluation 생성

7단계: Leaderboard 검토

시작하기

가이드

쿡북

레퍼런스

자세한 정보 및 지원

오픈 소스

커뮤니티

​Leaderboard 퀵스타트

​1단계: 가짜 우편번호 데이터셋 생성하기

​2단계: 스코어링 함수 작성

​3단계: 간단한 Evaluation 만들기

​4단계: 베이스라인 모델 평가하기

​Step 5: 더 많은 모델 만들기

​6단계: 더 많은 Evaluation 생성

​7단계: Leaderboard 검토

Leaderboard 퀵스타트

1단계: 가짜 우편번호 데이터셋 생성하기

2단계: 스코어링 함수 작성

3단계: 간단한 Evaluation 만들기

4단계: 베이스라인 모델 평가하기

Step 5: 더 많은 모델 만들기

6단계: 더 많은 Evaluation 생성

7단계: Leaderboard 검토