Skip to content

使用模式（检索）#

使用 RetrieverEvaluator#

这将在给定检索器的单个查询 + 真实文档集上运行评估。

标准做法是使用 from_metrics 指定一组有效的指标。

from llama_index.core.evaluation import RetrieverEvaluator

# 在某处定义检索器（例如从索引中获取）
# retriever = index.as_retriever(similarity_top_k=2)
retriever = ...

retriever_evaluator = RetrieverEvaluator.from_metric_names(
    ["mrr", "hit_rate"], retriever=retriever
)

retriever_evaluator.evaluate(
    query="query", expected_ids=["node_id1", "node_id2"]
)

构建评估数据集#

您可以手动策划一个问题 + 节点 ID 的检索评估数据集。我们还提供了在现有文本语料库上进行合成数据集生成的功能 generate_question_context_pairs：

from llama_index.core.evaluation import generate_question_context_pairs

qa_dataset = generate_question_context_pairs(
    nodes, llm=llm, num_questions_per_chunk=2
)

返回的结果是一个 EmbeddingQAFinetuneDataset 对象（包含 queries、relevant_docs 和 corpus）。

将其插入 RetrieverEvaluator#

我们提供了一个方便的函数，可以批量模式下运行 RetrieverEvaluator。

eval_results = await retriever_evaluator.aevaluate_dataset(qa_dataset)

这应该比您尝试对每个查询分别调用 .evaluate 要快得多。