Intro to Weave Hello Eval

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か、以下のリンクを使用できます：

• Open in Google Colab
• View source on GitHub

🔑 前提条件

Weave評価を実行する前に、以下の前提条件を完了してください。

1. W&B Weave SDKをインストールし、API keyでログインします。
2. OpenAI SDKをインストールし、API keyでログインします。
3. W&Bプロジェクトを初期化します。

# Install dependancies and imports
!pip install wandb weave openai -q

import os
from getpass import getpass

from openai import OpenAI
from pydantic import BaseModel

import weave

# 🔑 Setup your API keys
# Running this cell will prompt you for your API key with `getpass` and will not echo to the terminal.
#####
print("---")
print(
    "You can find your Weights and Biases API key here: https://wandb.ai/settings#api"
)
os.environ["WANDB_API_KEY"] = getpass("Enter your Weights and Biases API key: ")
print("---")
print("You can generate your OpenAI API key here: https://platform.openai.com/api-keys")
os.environ["OPENAI_API_KEY"] = getpass("Enter your OpenAI API key: ")
print("---")
#####

# 🏠 Enter your W&B project name
weave_client = weave.init("MY_PROJECT_NAME")  # 🐝 Your W&B project name

🐝 最初の評価を実行する

以下のコードサンプルは、WeaveのModelとEvaluationAPIを使用してLLMを評価する方法を示しています。まず、weave.Modelをサブクラス化してWeaveモデルを定義し、モデル名とプロンプト形式を指定し、predictメソッドを@weave.opで追跡します。predictメソッドはOpenAIにプロンプトを送信し、Pydanticスキーマ（FruitExtract）を使用して応答を構造化された出力に解析します。次に、入力文と期待されるターゲットで構成される小さな評価データセットを作成します。次に、カスタムスコアリング関数（@weave.opを使用して追跡）を定義し、モデルの出力をターゲットラベルと比較します。最後に、すべてをweave.Evaluationでラップし、データセットとスコアラーを指定して、evaluate()を呼び出して評価パイプラインを非同期で実行します。

# 1. Construct a Weave model
class FruitExtract(BaseModel):
    fruit: str
    color: str
    flavor: str

class ExtractFruitsModel(weave.Model):
    model_name: str
    prompt_template: str

    @weave.op()
    def predict(self, sentence: str) -> dict:
        client = OpenAI()

        response = client.beta.chat.completions.parse(
            model=self.model_name,
            messages=[
                {
                    "role": "user",
                    "content": self.prompt_template.format(sentence=sentence),
                }
            ],
            response_format=FruitExtract,
        )
        result = response.choices[0].message.parsed
        return result

model = ExtractFruitsModel(
    name="gpt4o",
    model_name="gpt-4o",
    prompt_template='Extract fields ("fruit": <str>, "color": <str>, "flavor": <str>) as json, from the following text : {sentence}',
)

# 2. Collect some samples
sentences = [
    "There are many fruits that were found on the recently discovered planet Goocrux. There are neoskizzles that grow there, which are purple and taste like candy.",
    "Pounits are a bright green color and are more savory than sweet.",
    "Finally, there are fruits called glowls, which have a very sour and bitter taste which is acidic and caustic, and a pale orange tinge to them.",
]
labels = [
    {"fruit": "neoskizzles", "color": "purple", "flavor": "candy"},
    {"fruit": "pounits", "color": "green", "flavor": "savory"},
    {"fruit": "glowls", "color": "orange", "flavor": "sour, bitter"},
]
examples = [
    {"id": "0", "sentence": sentences[0], "target": labels[0]},
    {"id": "1", "sentence": sentences[1], "target": labels[1]},
    {"id": "2", "sentence": sentences[2], "target": labels[2]},
]

# 3. Define a scoring function for your evaluation
@weave.op()
def fruit_name_score(target: dict, output: FruitExtract) -> dict:
    target_flavors = [f.strip().lower() for f in target["flavor"].split(",")]
    output_flavors = [f.strip().lower() for f in output.flavor.split(",")]
    # Check if any target flavor is present in the output flavors
    matches = any(tf in of for tf in target_flavors for of in output_flavors)
    return {"correct": matches}

# 4. Run your evaluation
evaluation = weave.Evaluation(
    name="fruit_eval",
    dataset=examples,
    scorers=[fruit_name_score],
)
await evaluation.evaluate(model)

🚀 さらに例を探していますか？

• evlauation pipeline end-to-endの構築方法を学びましょう。
• RAG application by buildingを評価する方法を学びましょう。