16 大模型 LLM 微调教程：评估与测试之评估指标设置

查看大图

微调评估不能只看一个平均分。分类任务、生成任务、格式任务和安全拒答任务需要不同指标，最后还要回到业务样本人工复核。

查看大图

我会准备一张评估表：每条样本有预期、模型输出、是否通过、失败类型。这样团队能看懂模型到底强在哪里、弱在哪里。

在上一篇中，我们讨论了在大模型微调过程中如何保存与加载模型。正确的评估与测试是微调流程中至关重要的步骤，评估指标的设置直接影响着我们对模型性能的理解和应用。在本篇中，我们将具体探讨如何设置评估指标，以便在微调后的模型上进行合理的性能评估。

评估指标的选择

在微调大模型的过程中，选择合适的评估指标是确保模型效果的重要环节。常见的评估指标包括但不限于：

查看大图

设置大模型微调评估指标时，先看任务成功率、格式符合率、事实错误、拒答边界和人工复核样本。

1. 准确率 (Accuracy)：在分类任务中，准确率是最常用的评估指标，计算公式为：

   $$\text{Accuracy} = \frac{\text{正例分类正确的样本数}}{\text{总样本数}}$$

2. 精确率 (Precision)：精确率反映了模型预测正类的准确性。

   $$\text{Precision} = \frac{\text{真正例}}{\text{真正例} + \text{假正例}}$$

3. 召回率 (Recall)：召回率衡量模型识别正类样本的能力。

$$\text{Recall} = \frac{\text{真正例}}{\text{真正例} + \text{假负例}}$$

F1 值 (F1 Score)：F1 值是精确率和召回率的调和平均，用于平衡这两者的权衡。

$$F1 = 2 \times \frac{\text{Precision} \times \text{Recall}}{\text{Precision} + \text{Recall}}$$

损失函数 (Loss)：在模型训练和评估过程中，损失函数可以用来判断模型性能，常用的有交叉熵损失等。

选择合适的指标

根据不同的应用场景，我们可能需要不同的评估指标。例如：

• 在医疗诊断系统中，可能更关注召回率以确保病人不会被漏诊；
• 在垃圾邮件分类中，精确率往往更重要，以避免将正常邮件标记为垃圾邮件。

案例分析

假设我们在微调一个用于情感分类的大模型，目标是将评论分为“积极”“消极”两类。在设置评估指标时，我们可能选择使用准确率、精确率、召回率和 F1 值。为了使评估更加全面，我们可以在验证集上执行以下代码：

from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score

# 假设 y_true 是真实标签，y_pred 是模型预测结果
y_true = [0, 1, 0, 1, 1]  # 真实标签
y_pred = [0, 1, 0, 0, 1]  # 模型预测

accuracy = accuracy_score(y_true, y_pred)
precision = precision_score(y_true, y_pred)
recall = recall_score(y_true, y_pred)
f1 = f1_score(y_true, y_pred)

print(f'准确率: {accuracy:.2f}')
print(f'精确率: {precision:.2f}')
print(f'召回率: {recall:.2f}')
print(f'F1 值: {f1:.2f}')

执行上述代码后，我们得到了评估结果，能够帮助我们判断模型在情感分类任务上的表现。

综合评估

在评估过程中，还可以结合混淆矩阵来更直观地观察模型的预测表现。聚合各种评估指标的结果，将帮助我们更全面地理解模型的优缺点。

查看大图

读完《大模型 LLM 微调教程：评估与测试之评估指标设置》后，可以先挑一个小样例走完整流程，再判断哪些步骤已经能独立完成。

查看大图

读到这里，可以把《大模型 LLM 微调教程：评估与测试之评估指标设置》整理成一张复盘表：先说清主线，再拿一个小任务检查结果。

查看大图

《大模型 LLM 微调教程：评估与测试之评估指标设置》读到最后，可以把图里的流程当成检查表：问题是否明确，操作是否落地，判断标准是否能复用。

接下来的文章我们将讨论测试集的使用，进一步探究如何通过测试集来验证模型的泛化能力与性能表现。在选择评估指标，确保基于实际应用场景的前提下，整合不同的评估方法，将更能够反映微调后模型的真实性能。

希望本篇的内容帮助大家在微调模型后设置合适的评估指标，以便进行更深刻的性能分析与理解。如果有任何疑问，请继续关注我们的系列教程！