코드에서 평가 데이터 기록하기

Python 및 TypeScript 코드에서 평가 데이터를 기록하는 유연하고 점진적인 방법

이 가이드에서는 EvaluationLogger를 사용해 기존 Python 또는 TypeScript 코드에서 예측과 점수를 기록하는 방법을 보여줍니다. 이를 통해 전체 데이터셋과 Scorer 모음을 먼저 정의하지 않고도 Weave에서 모델 성능을 평가할 수 있습니다.

이 접근 방식은 전체 데이터셋이나 모든 scorer가 처음부터 정의되어 있지 않을 수 있는 복잡한 워크플로에서 특히 유용합니다.

미리 정의된 Dataset과 Scorer 객체 목록이 필요한 표준 Evaluation 객체와 달리, EvaluationLogger를 사용하면 개별 예측과 그에 해당하는 점수를 사용할 수 있게 되는 대로 점진적으로 기록할 수 있습니다.

더 체계적인 평가를 선호하시나요?

미리 정의된 데이터셋과 scorer를 갖춘, 더 구조화된 평가 프레임워크를 원한다면 Weave의 표준 Evaluation 프레임워크를 참조하세요.

EvaluationLogger는 유연성을 제공하고, 표준 프레임워크는 구조와 가이드를 제공합니다.

​

기본 워크플로

다음 단계를 따르면 Weave에 완전한 평가가 기록되며, 예측별 점수와 Weave UI에서 검토할 수 있는 집계 요약이 포함됩니다.

1. 로거 초기화: EvaluationLogger 인스턴스를 생성하고, 필요에 따라 model 및 dataset에 대한 메타데이터를 전달합니다. 생략하면 기본값이 사용됩니다.
   LLM 호출(예: OpenAI)의 토큰 사용량과 비용을 수집하려면 LLM을 호출하기 **전에 EvaluationLogger를 초기화하세요. 먼저 LLM을 호출하고 나중에 예측을 로깅하면 토큰 및 비용 데이터는 수집되지 않습니다.

2. 예측 로깅: 시스템의 각 입력/출력 쌍에 대해 log_prediction()을 호출합니다.
3. 점수 로깅: 반환된 ScoreLogger를 사용해 해당 예측에 대한 log_score()를 호출합니다. 예측마다 여러 점수를 기록할 수 있습니다.
4. 예측 완료: 예측을 최종 확정하려면 점수를 로깅한 뒤 항상 finish()를 호출합니다.
5. 요약 로깅: 모든 예측 처리가 끝나면 log_summary()를 호출해 점수를 집계하고 선택 커스텀 메트릭을 추가합니다.

예측에 대해 finish()를 호출한 후에는 더 이상 점수를 로깅할 수 없습니다.

설명한 워크플로를 보여주는 Python 코드는 기본 예제를 참조하세요. 출력과 모든 점수를 한 번에 사용할 수 있다면 Python 사용자는 log_example()을 사용해 2~4단계를 단일 Call로 결합할 수 있습니다.

​

기본 예제

다음 예제에서는 EvaluationLogger를 사용해 기존 코드에 인라인으로 예측과 점수를 로깅하는 방법을 보여줍니다.

Python

user_model 모델 함수는 입력 목록에 대해 정의되며 적용됩니다. 각 예제마다:

• 입력과 출력은 log_prediction을 사용해 로깅됩니다.
• 정확성 점수(correctness_score)는 log_score를 통해 로깅됩니다.
• finish()는 해당 예측에 대한 로깅을 마무리합니다.

마지막으로 log_summary는 집계 메트릭을 기록하고 Weave에서 점수 자동 요약을 트리거합니다.

import weave
from openai import OpenAI
from weave import EvaluationLogger

weave.init('your-team/your-project')

# 토큰 추적을 위해 모델 호출 전에 EvaluationLogger를 초기화하세요
eval_logger = EvaluationLogger(
    model="my_model",
    dataset="my_dataset"
)

# 예제 입력 데이터 (원하는 데이터 구조를 사용할 수 있습니다)
eval_samples = [
    {'inputs': {'a': 1, 'b': 2}, 'expected': 3},
    {'inputs': {'a': 2, 'b': 3}, 'expected': 5},
    {'inputs': {'a': 3, 'b': 4}, 'expected': 7},
]

# OpenAI를 사용한 예제 모델 로직
@weave.op
def user_model(a: int, b: int) -> int:
    oai = OpenAI()
    response = oai.chat.completions.create(
        messages=[{"role": "user", "content": f"What is {a}+{b}?"}],
        model="gpt-4o-mini"
    )
    # 응답을 어떤 방식으로든 활용합니다 (여기서는 단순하게 a + b를 반환합니다)
    return a + b

# 예제를 순회하며 예측하고 로깅합니다
for sample in eval_samples:
    inputs = sample["inputs"]
    model_output = user_model(**inputs) # 입력을 kwargs로 전달합니다

    # 예측 입력과 출력을 로깅합니다
    pred_logger = eval_logger.log_prediction(
        inputs=inputs,
        output=model_output
    )

    # 이 예측에 대한 점수를 계산하고 로깅합니다
    expected = sample["expected"]
    correctness_score = model_output == expected
    pred_logger.log_score(
        scorer="correctness", # 스코어러의 단순 문자열 이름
        score=correctness_score
    )

    # 이 특정 예측에 대한 로깅을 완료합니다
    pred_logger.finish()

# 전체 평가에 대한 최종 요약을 로깅합니다.
# Weave는 위에서 로깅된 'correctness' 점수를 자동으로 집계합니다.
summary_stats = {"subjective_overall_score": 0.8}
eval_logger.log_summary(summary_stats)

print("Evaluation logging complete. View results in the Weave UI.")

TypeScript

TypeScript SDK는 두 가지 API 패턴을 제공합니다:

• Fire-and-forget API(대부분의 경우 권장): 동기식 비차단 로깅을 위해 await 없이 logPrediction()을 사용합니다.
• Awaitable API: 계속 진행하기 전에 오퍼레이션이 완료되도록 해야 할 때 await와 함께 logPredictionAsync()를 사용합니다.

다음과 같은 경우에는 fire-and-forget를 사용하세요:

• 높은 처리량: 각 로깅 오퍼레이션을 기다리지 않고 여러 예측을 병렬로 처리합니다.
• 최소한의 코드 변경: 기존 async/await 흐름을 재구성하지 않고 평가 로깅을 추가합니다.
• 단순성: 대부분의 평가 시나리오에서 상용구 코드가 더 적고 문법이 더 깔끔합니다.

fire-and-forget 패턴이 안전한 이유는 logSummary()가 결과를 집계하기 전에 보류 중인 모든 오퍼레이션이 완료될 때까지 자동으로 기다리기 때문입니다.

다음 예제는 fire-and-forget 패턴으로 모델 예측을 평가합니다. 평가 로거를 설정하고, 세 개의 테스트 샘플에 대해 모델을 실행한 다음, await를 사용하지 않고 예측을 로깅합니다:

import weave, {EvaluationLogger} from 'weave';
import OpenAI from 'openai';

await weave.init('your-team/your-project');

// 토큰 추적을 보장하려면 모델 호출 전에 EvaluationLogger를 초기화하세요
const evalLogger = new EvaluationLogger({
  name: 'my-eval',
  model: 'my_model',
  dataset: 'my_dataset'
});

// 예제 입력 데이터
const evalSamples = [
  {inputs: {a: 1, b: 2}, expected: 3},
  {inputs: {a: 2, b: 3}, expected: 5},
  {inputs: {a: 3, b: 4}, expected: 7},
];

// OpenAI를 사용한 예제 모델 로직
const userModel = weave.op(async function userModel(a: number, b: number): Promise<number> {
  const oai = new OpenAI();
  const response = await oai.chat.completions.create({
    messages: [{role: 'user', content: `What is ${a}+${b}?`}],
    model: 'gpt-4o-mini'
  });
  return a + b;
});

// 예제를 순회하며 fire-and-forget 패턴으로 예측 및 로깅
for (const sample of evalSamples) {
  const {inputs} = sample;
  const modelOutput = await userModel(inputs.a, inputs.b);

  // Fire-and-forget: logPrediction에 await 불필요
  const scoreLogger = evalLogger.logPrediction(inputs, modelOutput);

  // 이 예측에 대한 점수 계산 및 로깅
  const correctnessScore = modelOutput === sample.expected;

  // Fire-and-forget: logScore에 await 불필요
  scoreLogger.logScore('correctness', correctnessScore);

  // Fire-and-forget: finish에 await 불필요
  scoreLogger.finish();
}

// logSummary는 내부적으로 보류 중인 모든 오퍼레이션이 완료될 때까지 기다립니다
const summaryStats = {subjective_overall_score: 0.8};
await evalLogger.logSummary(summaryStats);

console.log('Evaluation logging complete. View results in the Weave UI.');

오류 처리나 순차적 의존성을 관리할 때처럼, 각 오퍼레이션이 완료된 후에 다음 단계로 진행되도록 보장해야 한다면 await 가능한 API를 사용하세요.

다음 예제에서는 await 없이 logPrediction()을 호출하는 대신, 각 오퍼레이션이 완료된 후 다음 오퍼레이션으로 넘어가도록 await와 함께 logPredictionAsync()를 사용합니다:

// logPrediction 대신 logPredictionAsync 사용
const scoreLogger = await evalLogger.logPredictionAsync(inputs, modelOutput);

// 각 오퍼레이션을 await
await scoreLogger.logScore('correctness', correctnessScore);
await scoreLogger.finish();

​

log_example()를 사용한 간소화된 로깅

log_example()을 사용하면 입력, 출력, 그리고 점수를 단일 Call로 로깅할 수 있습니다. 이 편의 방법은 log_prediction(), log_score(), finish()를 한 단계로 결합하며, 배치 또는 오프라인 평가 중처럼 로깅할 입력, 모델 출력, 점수가 이미 준비되어 있을 때 유용합니다.

import weave
from weave import EvaluationLogger

weave.init('your-team-name/your-project-name')

eval_logger = EvaluationLogger(
    model="my_model",
    dataset="my_dataset"
)

eval_samples = [
    {'inputs': {'a': 1, 'b': 2}, 'expected': 3},
    {'inputs': {'a': 2, 'b': 3}, 'expected': 5},
    {'inputs': {'a': 3, 'b': 4}, 'expected': 7},
]

for sample in eval_samples:
    inputs = sample['inputs']
    output = inputs['a'] + inputs['b']

    eval_logger.log_example(
        inputs=inputs,
        output=output,
        scores={"correctness": output == sample['expected']}
    )

eval_logger.log_summary({"avg_score": 1.0})

이전 log_example() 호출은 다음과 동일합니다:

pred = eval_logger.log_prediction(inputs=inputs, output=output)
pred.log_score(scorer="correctness", score=output == sample['expected'])
pred.finish()

Weave TypeScript SDK에서는 log_example()을 사용할 수 없습니다. TypeScript 사용자는 기본 예제에 나와 있는 logPrediction() 및 logScore() 패턴을 사용하세요.

​

고급 활용

EvaluationLogger는 더 복잡한 평가 시나리오를 지원할 수 있도록 기본 워크플로를 넘어서는 유연한 사용 패턴을 제공합니다. 다음 섹션에서는 자동 리소스 관리를 위한 컨텍스트 매니저 사용, 모델 실행과 로깅의 분리, 리치 미디어 데이터 처리, 그리고 여러 모델 평가를 나란히 비교하는 등 고급 기법을 설명합니다.

​

컨텍스트 관리자 사용

EvaluationLogger는 예측과 점수 모두에 대해 컨텍스트 관리자(with 문)를 지원합니다. 이를 사용하면 코드를 더 깔끔하게 작성할 수 있고, 리소스를 자동으로 정리할 수 있으며, LLM judge Call과 같은 중첩된 오퍼레이션도 더 효과적으로 추적할 수 있습니다.

이 문맥에서 with 문을 사용하면 다음과 같은 이점이 있습니다.

• 컨텍스트를 벗어날 때 finish()가 자동으로 호출됨.
• 중첩된 LLM Call에 대한 토큰 및 비용 추적 개선.
• 예측 컨텍스트 내에서 모델 실행 후 출력 설정 가능.

Python

import openai
import weave

weave.init("nested-evaluation-example")
oai = openai.OpenAI()

# 로거 초기화
ev = weave.EvaluationLogger(
    model="gpt-4o-mini",
    dataset="joke_dataset"
)

user_prompt = "Tell me a joke"

# prediction에 컨텍스트 관리자 사용 - finish()를 호출할 필요 없음
with ev.log_prediction(inputs={"user_prompt": user_prompt}) as pred:
    # 컨텍스트 내에서 모델 호출 수행
    result = oai.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": user_prompt}],
    )

    # 모델 호출 후 output 설정
    pred.output = result.choices[0].message.content

    # 단순한 점수 로깅
    pred.log_score("correctness", 1.0)
    pred.log_score("ambiguity", 0.3)
    
    # LLM 호출이 필요한 점수에는 중첩된 컨텍스트 관리자 사용
    with pred.log_score("llm_judge") as score:
        judge_result = oai.chat.completions.create(
            model="gpt-4o-mini",
            messages=[
                {"role": "system", "content": "Rate how funny the joke is from 1-5"},
                {"role": "user", "content": pred.output},
            ],
        )
        # 계산 후 점수 값 설정
        score.value = judge_result.choices[0].message.content

# 'with' 블록을 벗어나면 finish()가 자동으로 호출됨

ev.log_summary({"avg_score": 1.0})

이 패턴을 사용하면 모든 중첩된 오퍼레이션이 추적되고 상위 예측에 귀속되므로, Weave UI에서 정확한 토큰 사용량과 비용 데이터를 확인할 수 있습니다.

TypeScript

TypeScript에는 컨텍스트 관리자를 위한 Python의 with 문 패턴이 없습니다. 대신 명시적으로 finish()를 호출하는 fire-and-forget 패턴을 사용하세요.

다음 예제에서는 예측을 로깅하고, 점수와 LLM judge 점수를 추가한 다음, finish()로 예측을 완료합니다.

import weave from 'weave';
import OpenAI from 'openai';
import {EvaluationLogger} from 'weave/evaluationLogger';

await weave.init('your-team/your-project');
const oai = new OpenAI();

// 로거 초기화
const ev = new EvaluationLogger({
  name: 'joke-eval',
  model: 'gpt-4o-mini',
  dataset: 'joke_dataset',
});

const userPrompt = 'Tell me a joke';

// 모델 output 가져오기
const result = await oai.chat.completions.create({
  model: 'gpt-4o-mini',
  messages: [{role: 'user', content: userPrompt}],
});

const modelOutput = result.choices[0].message.content;

// output과 함께 prediction 로깅
const pred = ev.logPrediction({user_prompt: userPrompt}, modelOutput);

// 단순한 점수 로깅
pred.logScore('correctness', 1.0);
pred.logScore('ambiguity', 0.3);

// LLM judge 점수의 경우 호출을 수행한 뒤 결과를 로깅
const judgeResult = await oai.chat.completions.create({
  model: 'gpt-4o-mini',
  messages: [
    {role: 'system', content: 'Rate how funny the joke is from 1-5'},
    {role: 'user', content: modelOutput || ''},
  ],
});
pred.logScore('llm_judge', judgeResult.choices[0].message.content);

// 점수 기록이 끝나면 finish를 명시적으로 호출
pred.finish();

await ev.logSummary({avg_score: 1.0});

TypeScript에는 컨텍스트 관리자를 통한 자동 정리 기능이 없지만, logSummary()는 결과를 집계하기 전에 완료되지 않은 예측을 자동으로 마무리합니다. finish()를 명시적으로 호출하지 않으려면 이 동작을 활용할 수 있습니다.

​

기존 데이터셋에 연결하기

원시 데이터셋을 log_prediction에 inputs로 전달하면, Weave는 평가 run이 실행될 때마다 데이터를 다시 임포트합니다. 그 결과 중복 데이터가 저장되며, 데이터셋이 크거나 많은 평가에서 이를 재사용하는 경우 저장 공간이 낭비될 수 있습니다.

이 중복을 방지하려면 평가를 실행하기 전에 먼저 데이터셋을 Weave에 게시한 다음, 게시된 데이터셋의 행을 inputs로 전달하세요. 그러면 Weave는 데이터를 다시 임포트하는 대신 내부 참조를 사용해 게시된 행 참조를 해석합니다. 이 방식을 사용하면 표준 Evaluation 프레임워크와 동일하게 연결된 환경을 사용할 수 있으며, 각 예측은 Weave UI의 특정 데이터셋 행에 다시 연결됩니다.

다음 예제에서는 데이터셋을 게시하고 이를 EvaluationLogger에 연결한 뒤, 다른 데이터셋과 마찬가지로 조회하고 순회합니다.

Python

import weave
from weave import EvaluationLogger

weave.init("your-team-name/your-project-name")

# 데이터셋 게시(한 번만 수행하면 됨)
dataset = weave.Dataset(
    name="my_eval_dataset",
    rows=[
      {"question": "What is the capitol of France?", "expected": "Paris"},
      {"question": "What U.S. state is Seattle in?", "expected": "Washington"},
      {"question": "In what country is Mount Fuji located in?", "expected": "Japan"},
    ],
)
weave.publish(dataset)

# 게시된 데이터셋 조회
dataset = weave.ref("my_eval_dataset").get()

TypeScript

import weave, {EvaluationLogger, Dataset} from 'weave';

await weave.init('your-team-name/your-project-name');

// 데이터셋 게시(한 번만 수행하면 됨)
const dataset = new Dataset({
  name: 'my_eval_dataset',
  rows: [
    {"question": "What is the capitol of France?", "expected": "Paris"},
    {"question": "What U.S. state is Seattle in?", "expected": "Washington"},
    {"question": "In what country is Mount Fuji located in?", "expected": "Japan"},
  ],
});
const datasetRef = await dataset.save();

// 게시된 데이터셋 조회
const published = await datasetRef.get();

​

로깅 전에 출력 먼저 계산하기

먼저 모델 출력을 계산한 다음, 예측과 점수를 별도로 로깅할 수 있습니다. 이렇게 하면 평가 로직과 로깅 로직이 분리되어, 시스템의 서로 다른 부분이 예측 생성과 점수화를 담당할 때 코드를 더 쉽게 테스트하고 유지 관리할 수 있습니다.

Python

# 토큰 추적을 위해 모델을 호출하기 전에 EvaluationLogger를 초기화합니다
ev = EvaluationLogger(
    model="example_model",
    dataset="example_dataset"
)

# 토큰 추적을 위해 모델 출력(예: OpenAI Call)은 로거 초기화 후에 발생해야 합니다
outputs = [your_output_generator(**inputs) for inputs in your_dataset]
preds = [ev.log_prediction(inputs, output) for inputs, output in zip(your_dataset, outputs)]
for pred, output in zip(preds, outputs):
    pred.log_score(scorer="greater_than_5_scorer", score=output > 5)
    pred.log_score(scorer="greater_than_7_scorer", score=output > 7)
    pred.finish()

ev.log_summary()

TypeScript

여러 예측을 병렬로 처리할 때는 fire-and-forget 패턴이 특히 유용합니다.

다음 예제에서는 EvaluationLogger의 여러 동시 인스턴스를 생성해 평가를 병렬로 일괄 처리합니다.

// 토큰 추적을 위해 모델을 호출하기 전에 EvaluationLogger를 초기화합니다
const ev = new EvaluationLogger({
  name: 'parallel-eval',
  model: 'example_model',
  dataset: 'example_dataset'
});

// 토큰 추적을 위해 모델 출력(예: OpenAI Call)은 로거 초기화 후에 발생해야 합니다
const outputs = await Promise.all(
  yourDataset.map(inputs => yourOutputGenerator(inputs))
);

// Fire-and-forget: 기다리지 않고 모든 예측을 처리합니다
const preds = yourDataset.map((inputs, i) =>
  ev.logPrediction(inputs, outputs[i])
);

preds.forEach((pred, i) => {
  const output = outputs[i];
  // Fire-and-forget: await가 필요하지 않습니다
  pred.logScore('greater_than_5_scorer', output > 5);
  pred.logScore('greater_than_7_scorer', output > 7);
  pred.finish();
});

// logSummary는 보류 중인 모든 오퍼레이션이 끝날 때까지 기다립니다
await ev.logSummary();

사용 가능한 컴퓨팅 리소스 범위 내에서 최대한 많은 평가를 병렬로 처리하기 위해 fire-and-forget 패턴을 사용할 수 있습니다.

​

리치 미디어 로깅

입력, 출력, 점수에는 이미지, 비디오, 오디오, 구조화된 테이블 같은 리치 미디어를 포함할 수 있습니다. 리치 미디어를 로깅하면 Weave UI에서 점수와 함께 실제 콘텐츠를 확인할 수 있어 멀티모달 모델을 정성적으로 분석하는 데 도움이 됩니다. log_prediction 또는 log_score 메서드에 dict 또는 미디어 객체를 전달하면 됩니다.

Python

import io
import wave
import struct
from PIL import Image
import random
from typing import Any
import weave

def generate_random_audio_wave_read(duration=2, sample_rate=44100):
    n_samples = duration * sample_rate
    amplitude = 32767  # 16비트 최대 진폭

    buffer = io.BytesIO()

    # 버퍼에 wave 데이터를 씁니다
    with wave.open(buffer, 'wb') as wf:
        wf.setnchannels(1)
        wf.setsampwidth(2)  # 16비트
        wf.setframerate(sample_rate)

        for _ in range(n_samples):
            sample = random.randint(-amplitude, amplitude)
            wf.writeframes(struct.pack('<h', sample))

    # 읽을 수 있도록 버퍼를 처음 위치로 되돌립니다
    buffer.seek(0)

    # Wave_read 객체를 반환합니다
    return wave.open(buffer, 'rb')

rich_media_dataset = [
    {
        'image': Image.new(
            "RGB",
            (100, 100),
            color=(
                random.randint(0, 255),
                random.randint(0, 255),
                random.randint(0, 255),
            ),
        ),
        "audio": generate_random_audio_wave_read(),
    }
    for _ in range(5)
]

@weave.op
def your_output_generator(image: Image.Image, audio) -> dict[str, Any]:
    return {
        "result": random.randint(0, 10),
        "image": image,
        "audio": audio,
    }

ev = EvaluationLogger(model="example_model", dataset="example_dataset")

for inputs in rich_media_dataset:
    output = your_output_generator(**inputs)
    pred = ev.log_prediction(inputs, output)
    pred.log_score(scorer="greater_than_5_scorer", score=output["result"] > 5)
    pred.log_score(scorer="greater_than_7_scorer", score=output["result"] > 7)

ev.log_summary()

TypeScript

TypeScript SDK는 weaveImage 및 weaveAudio 함수를 사용해 이미지와 오디오를 로깅할 수 있도록 지원합니다. 다음 예제에서는 이미지와 오디오 파일을 로드하고, 이를 모델로 처리한 뒤, 점수와 함께 결과를 로깅합니다.

import weave, {EvaluationLogger} from 'weave';
import * as fs from 'fs';

await weave.init('your-team/your-project');

// 파일에서 이미지와 오디오를 로드합니다
const richMediaDataset = [
  {
    image: weave.weaveImage({data: fs.readFileSync('sample1.png')}),
    audio: weave.weaveAudio({data: fs.readFileSync('sample1.wav')}),
  },
  {
    image: weave.weaveImage({data: fs.readFileSync('sample2.png')}),
    audio: weave.weaveAudio({data: fs.readFileSync('sample2.wav')}),
  },
];

// 미디어를 처리하고 결과를 반환하는 모델
const yourOutputGenerator = weave.op(
  async (inputs: {image: any; audio: any}) => {
    const result = Math.floor(Math.random() * 10);
    return {
      result,
      image: inputs.image,
      audio: inputs.audio,
    };
  },
  {name: 'yourOutputGenerator'}
);

const ev = new EvaluationLogger({
  name: 'rich-media-eval',
  model: 'example_model',
  dataset: 'example_dataset',
});

for (const inputs of richMediaDataset) {
  const output = await yourOutputGenerator(inputs);

  // 입력과 출력 모두에 리치 미디어를 포함해 예측을 로깅합니다
  const pred = ev.logPrediction(inputs, output);
  pred.logScore('greater_than_5_scorer', output.result > 5);
  pred.logScore('greater_than_7_scorer', output.result > 7);
  pred.finish();
}

await ev.logSummary();

​

여러 평가 기록 및 비교

EvaluationLogger를 사용하면 Weave UI에서 여러 평가를 나란히 기록하고 비교할 수 있습니다. 이는 동일한 데이터셋에서 서로 다른 모델의 성능을 평가하는 데 유용합니다.

1. 다음 코드 샘플을 실행합니다.
2. Weave UI에서 Evals 탭으로 이동합니다.
3. 비교하려는 eval을 선택합니다.
4. Compare 버튼을 클릭합니다. Compare 뷰에서 다음 작업을 할 수 있습니다.
   • 추가하거나 제거할 Evals 선택.
   • 표시하거나 숨길 메트릭 선택.
   • 특정 예제를 페이지별로 살펴보며, 주어진 데이터셋에서 동일한 입력에 대해 서로 다른 모델이 어떻게 수행되었는지 확인.

비교에 대한 자세한 내용은 Comparisons를 참조하세요.

Python

import weave

models = [
    "model1",
    "model2",
     {"name": "model3", "metadata": {"coolness": 9001}}
]

for model in models:
    # 토큰을 캡처하려면 모델 Call 전에 EvalLogger를 초기화해야 합니다
    ev = EvaluationLogger(
        name="comparison-eval",
        model=model, 
        dataset="example_dataset",
        scorers=["greater_than_3_scorer", "greater_than_5_scorer", "greater_than_7_scorer"],
        eval_attributes={"experiment_id": "exp_123"}
    )
    for inputs in your_dataset:
        output = your_output_generator(**inputs)
        pred = ev.log_prediction(inputs=inputs, output=output)
        pred.log_score(scorer="greater_than_3_scorer", score=output > 3)
        pred.log_score(scorer="greater_than_5_scorer", score=output > 5)
        pred.log_score(scorer="greater_than_7_scorer", score=output > 7)
        pred.finish()

    ev.log_summary()

TypeScript

import weave from 'weave';
import {EvaluationLogger} from 'weave/evaluationLogger';
import {WeaveObject} from 'weave/weaveObject';

await weave.init('your-team/your-project');

const models = [
  'model1',
  'model2',
  new WeaveObject({name: 'model3', metadata: {coolness: 9001}})
];

for (const model of models) {
  // 토큰을 캡처하려면 모델 Call 전에 EvalLogger를 초기화해야 합니다
  const ev = new EvaluationLogger({
    name: 'comparison-eval',
    model: model,
    dataset: 'example_dataset',
    description: 'Model comparison evaluation',
    scorers: ['greater_than_3_scorer', 'greater_than_5_scorer', 'greater_than_7_scorer'],
    attributes: {experiment_id: 'exp_123'}
  });

  for (const inputs of yourDataset) {
    const output = await yourOutputGenerator(inputs);

    // 깔끔하고 효율적인 로깅을 위한 fire-and-forget 패턴
    const pred = ev.logPrediction(inputs, output);
    pred.logScore('greater_than_3_scorer', output > 3);
    pred.logScore('greater_than_5_scorer', output > 5);
    pred.logScore('greater_than_7_scorer', output > 7);
    pred.finish();
  }

  await ev.logSummary();
}

​

사용 팁

다음 팁을 활용하면 EvaluationLogger를 최대한 효과적으로 사용할 수 있습니다.

Python

• 각 예측 후에는 즉시 finish()를 호출하세요.
• 개별 예측에 연결되지 않은 메트릭(예를 들어, 전체 지연 시간)을 캡처하려면 log_summary를 사용하세요.
• 리치 미디어 로깅은 정성적 분석에 매우 유용합니다.

TypeScript

• 자동 종료 동작: 명확성을 위해 각 예측마다 finish()를 명시적으로 호출하는 것을 권장하지만, logSummary()는 완료되지 않은 예측을 자동으로 모두 종료합니다. 단, 스크립트에서 finish()를 호출한 이후에는 더 이상 점수를 기록할 수 없습니다.
• 설정 옵션: name, description, dataset, model, scorers, attributes 등의 설정 옵션을 사용해 Weave UI에서 평가를 구성하고 필터링하세요.