Skip to main content
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、以下のリンクから利用することもできます。

Leaderboard クイックスタート

このノートブックでは、Weave の Leaderboard を使って、さまざまなデータセットと スコアリング関数 にわたるモデル性能を比較する方法を学びます。具体的には、次のことを行います。
  1. 架空の郵便番号データのデータセットを生成する
  2. スコアリング関数 をいくつか作成し、ベースラインモデルを評価する。
  3. これらの手法を使って、モデルと評価の組み合わせ行列を評価する。
  4. Weave UI で Leaderboard を確認する。

Step 1: ダミーの郵便番号データのデータセットを生成する

まず、ダミーの郵便番号データのリストを生成する関数 generate_dataset_rows を作成します。

Step 2: スコアリング関数を作成する

次に、3 つのスコアリング関数を作成します。
  1. check_concrete_fields: モデルの出力が、想定される都市名と州に一致するかどうかを確認します。
  2. check_value_fields: モデルの出力が、想定される人口と世帯収入中央値の 10% 以内に収まっているかどうかを確認します。
  3. check_subjective_fields: LLM を使用して、モデルの出力が想定される “known for” フィールドに一致するかどうかを確認します。

Step 3: シンプルな評価を作成する

次に、ダミーデータとスコアリング関数を使って、シンプルな評価を定義します。

Step 4: ベースラインモデルをEvaluateする

ここでは、静的なレスポンスを返すベースラインモデルをEvaluateします。

Step 5: Modelsをさらに作成する

次に、ベースラインと比較するために、さらに2つのモデルを作成します。

Step 6: さらに評価を作成する

ここでは、モデルと評価の組み合わせをマトリクスとして評価します。

ステップ 7: Leaderboard を確認する

UI の Leaderboard タブに移動し、“Create Leaderboard” をクリックすると、新しい Leaderboard を作成できます。 Python から直接 Leaderboard を生成することもできます。