如何评估特定数据集版本

推荐阅读

在深入阅读本文档之前，建议先阅读关于数据集版本控制的指南。此外，阅读关于获取示例的指南也可能有所帮助。

使用 list_examples

您可以利用 evaluate / aevaluate 允许传入可迭代的示例，以便在特定数据集版本上进行评估的特性。只需使用 list_examples / listExamples，通过 as_of / asOf 获取特定版本标签的示例，并将其传入 data 参数即可。

Python

from langsmith import Client

ls_client = Client()

# Assumes actual outputs have a 'class' key.
# Assumes example outputs have a 'label' key.
def correct(outputs: dict, reference_outputs: dict) -> bool:
  return outputs["class"] == reference_outputs["label"]

results = ls_client.evaluate(
    lambda inputs: {"class": "Not toxic"},
    # Pass in filtered data here:
    data=ls_client.list_examples(
      dataset_name="Toxic Queries",
      as_of="latest",  # specify version here
    ),
    evaluators=[correct],
)

TypeScript

import { evaluate } from "langsmith/evaluation";

await evaluate((inputs) => labelText(inputs["input"]), {
  data: langsmith.listExamples({
    datasetName: datasetName,
    asOf: "latest",
  }),
  evaluators: [correctLabel],
});

相关

• 在此处了解更多关于如何获取数据集视图的信息：这里