LLM_Evaluator

A simple program to evaluate large language model.

Recommend Requirements

• Python 3.10
• torch 1.13.1+cu117
• transformers 4.33.2
• accelerate 0.26.1
• tqdm 4.66.1
• openai 0.28
• peft 0.10.0
• google-generativeai
• pandas
• sentencepiece 0.2.0
• rouge_chinese 1.0.3
• jieba 0.42.1

需求其余文件

• 请下载GLM模型并放置于到./THUDM/chatglm-6b文件夹下
• 请下载GLM2模型并放置于到./THUDM/chatglm2-6b文件夹下
• 请下载GLM3模型并放置于到./THUDM/chatglm3-6b文件夹下
• 微调后的lora模型可放置于./lora文件夹下，可应用于ChatGLM2，例：要应用于glm2则放置于./lora/glm2文件夹下
• 微调后的ptuning模型可放置于./ptuning文件夹下，可应用于ChatGLM/ChatGLM2，例：要应用于glm则放置于./ptuning/glm1文件夹下
• 微调后的qlora/dora模型可放置于./qlora文件夹下，可应用于ChatGLM3，例：要应用于glm3则放置于./qlora/glm3文件夹下
• 微调文件夹名即为参数中微调模型的名称
• 训练数据按照C-Eval格式，放置于./data文件夹下，文件命名和eval.py中的subject_name相关
• 相较于C-Eval的数据集，代码添加了'qa'的数据集，放置于./data/qa文件夹下，为非选择题的问答数据集。

Run

运行模型评估程序：

python eval.py --model_name chatglm3 --finetune qlora1 --finetune_method qlora --few_shot --ntrain 5 --cuda_device 0

对结果文件使用大模型和ROUGE进行评估，请自行修改文件内的路径：

python test.py --openai_key [your-api-key]

Arguments(eval.py)

• --model_name: 模型名称，可选chatglm、chatglm2、chatglm3、gpt-3.5-turbo
• --cuda_device: GPU编号
• --finetune: 微调模型名称，为放置于lora/ptuning文件夹下的文件夹名
• --few_shot: 使用少量数据进行微调（可选）
• --ntrain: 少量数据的数量（可选）
• --cot: 使用思维链（可选）
• --finetune_method: 微调方法，可选lora、ptuning、qlora、dora
• --finetune: 微调文件夹名称，会自动寻找对应位置
• --openai_key: OpenAI API Key, 调用OpenAI API进行评估或评估gpt模型需要使用