メインコンテンツへスキップ
これはインタラクティブなノートブックです。ローカルで実行することも、以下のリンクを使用することもできます。
このノートブックでは、最小限のエンドツーエンドの例を通じて、W&B Weaveの評価を紹介します。Weave Model を定義し、小規模なデータセットに対して実行し、カスタムのスコアリング関数で出力を評価して、Weaveで結果を確認します。これは、Weaveを初めて使う開発者が、より高度な評価ワークフローに進む前に、手早く実践的に始めるための入門として意図されています。

前提条件

Weave の評価を実行する前に、次の準備を済ませてください。
  1. W&B Weave SDK をインストールし、APIキーを使用してログインします。
  2. OpenAI SDK をインストールし、APIキーを使用してログインします。
  3. W&B のプロジェクトを初期化します。

最初の評価を実行する

環境の設定が完了したので、評価を定義して実行する準備ができました。 次のコードサンプルでは、Weave の Model API と Evaluation API を使って LLM を評価する方法を示します。まず、weave.Model を継承して Weave モデルを定義し、モデル名とプロンプト形式を指定したうえで、@weave.op を使って predict メソッドをトラッキングします。predict メソッドは OpenAI にプロンプトを送信し、Pydantic スキーマ (FruitExtract) を使ってレスポンスを構造化された出力として解析します。次に、入力文と期待されるターゲットからなる小規模な評価用データセットを作成します。続いて、モデルの出力とターゲットラベルを比較するカスタムのスコアリング関数 (これも @weave.op でトラッキング) を定義します。最後に、データセットと scorers を指定して、これらをまとめて weave.Evaluation に渡し、evaluate() を呼び出して評価パイプラインを非同期に実行します。
評価が完了すると、Weave はモデル、データセット、サンプルごとのスコアをお使いの project にログするので、Weave UI で結果を確認できます。

さらに多くの例をお探しですか

基本的な評価を実行したら、次のチュートリアルでより高度なワークフローを試すことができます。