新闻详情

新闻详情

首页 / 资讯中心 / 详情

Rag评测–前期配置config文件

发布时间:2026/11/22 5:25:39来源:尧图网络
Rag评测–前期配置config文件
上一篇聊完了五个评测指标但在跃跃欲试跑代码前需要先配置好基础环境我踩过的第一个坑就是指标懂了但环境搭的问题频出。 RAGAS本身不负责帮你连模型、连数据库这些都得自己配。所以这篇就讲前期配置核心是一个 config.yaml。为什么非要搞个config.yaml一开始我也是硬编码把模型地址、数据库连接直接写死在代码里。结果换了个模型换了个配置容易改得满屏都是还容易漏。后来统一配置到一个 config.yaml 里代码只读配置换环境改文件就行。由于自己实际项目使用的是es搜索引擎存放业务文档非关系性数据库选用Mongodb配置的yaml大概长这样llm:url:https://xxx/v1api_key:sk-xxxmodel:实际模型名称es:url:http://xxxxxx:xxxx; username:real_namepassword:xxxxxxxmongo:host:实际地址port:端口号 username:xxxx password:xxxx基础信息写好了但是真链接起来问题是不少。接下来先写好config.py文件把congfig.yaml读取出来import os import yaml current_diros.path.dirname(os.path.abspath(__file__)) project_fileos.path.dirname(current_dir) config_yamlos.path.join(project_file,config.yaml) with open (config_yaml,r,encodingutf-8) as f: configsyaml.safe_load(f)(注:我是在项目工程根目录下创建了一个文件下写的config.py如果直接在项目工程下写config.py可少写一层os.path.join反之需多写一层os.path.join)首先配LLM最容易被连不上卡住第一个难点是 base_url 到底填什么。很多人直接把官网地址填进去结果报 404。注意这里要填的是 兼容 OpenAI 格式的接口地址通常结尾要带 /v1。如果你用的是国内模型或者私有部署一定要确认它有没有提供OpenAI 兼容接口。第二个难点是 评判模型和被测模型别用同一个前面说过 RAGAS 是模型评分框架如果拿一个弱模型既当被测又当裁判分数会很不靠谱。建议评判模型选能用到的最强的。下一篇接着讲如何测试mangodb和es的链接顺便做好封装包后面需要用到这两个直接调用即可。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/21 14:14:45

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/21 14:14:26

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/21 21:08:55

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/22 1:51:41

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/21 19:02:25

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/21 14:13:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉