메인 콘텐츠로 건너뛰기
LLM Evaluation Jobs는 W&B 멀티 테넌트 클라우드에서 현재 미리보기(Preview) 단계입니다. 미리보기 기간 동안에는 컴퓨트 리소스를 무료로 사용할 수 있습니다. 자세히 알아보기
이 페이지에서는 CoreWeave에서 관리하는 인프라를 사용하여 공개적으로 접근 가능한 URL에서 호스팅되는 API 모델에 대해 LLM Evaluation Jobs를 사용해 일련의 평가 벤치마크를 실행하는 방법을 설명합니다. W&B Models에 아티팩트로 저장된 모델 체크포인트를 평가하려면 모델 체크포인트 평가하기 문서를 참조하세요.

​
사전 준비사항

  1. LLM 평가 Job에 대한 요구 사항 및 제한 사항을 검토합니다.
  2. 특정 벤치마크를 실행하려면 팀 관리자가 필요한 API key를 팀 범위 시크릿으로 추가해야 합니다. 팀 구성원이라면 누구나 평가 Job을 구성할 때 해당 시크릿을 지정할 수 있습니다.
    • OpenAPI API key: 점수를 계산하기 위해 OpenAI 모델을 사용하는 벤치마크에서 사용됩니다. 벤치마크를 선택한 후 Scorer API key 필드가 표시되는 경우 필요합니다. 시크릿 이름은 OPENAI_API_KEY여야 합니다.
    • Hugging Face user access token: 하나 이상의 Hugging Face gated 데이터셋에 접근해야 하는 lingoly, lingoly2 같은 특정 벤치마크에 필요합니다. 벤치마크를 선택한 후 Hugging Face Token 필드가 표시되는 경우 필요합니다. 이 API key는 관련 데이터셋에 대한 접근 권한을 가지고 있어야 합니다. 자세한 내용은 Hugging Face 문서 User access tokens 및 accessing gated datasets를 참고하세요.
    • W&B Inference가 제공하는 모델을 평가하려면, 조직 또는 팀 관리자가 임의의 값으로 WANDB_API_KEY를 생성해야 합니다. 이 시크릿은 실제 인증에는 사용되지 않습니다.
  3. 평가할 모델은 공개적으로 접근 가능한 URL에서 제공되어야 합니다. 조직 또는 팀 관리자가 인증용 API key로 팀 범위 시크릿을 생성해야 합니다.
  4. 평가 결과를 위한 새로운 W&B Project를 생성합니다. 왼쪽 내비게이션에서 Create new project를 클릭합니다.
  5. 각 벤치마크가 어떻게 동작하는지와 구체적인 요구 사항을 이해하기 위해 해당 벤치마크의 문서를 검토합니다. 편의를 위해 Available evaluation benchmarks 참고 문서에 관련 링크가 정리되어 있습니다.

​
모델 평가하기

다음 단계를 따라 평가 작업을 설정하고 실행하세요:
  1. W&B에 로그인한 다음, 왼쪽 내비게이션에서 Launch를 클릭합니다. LLM Evaluation Jobs 페이지가 표시됩니다.
  2. 평가를 설정하려면 Evaluate hosted API model을 클릭합니다.
  3. 평가 결과를 저장할 대상 프로젝트를 선택합니다.
  4. Model 섹션에서 평가할 기본 URL과 모델 이름을 지정하고, 인증에 사용할 API key를 선택합니다. 모델 이름은 AI Security Institute에서 정의한 OpenAI 호환 형식으로 제공해야 합니다. 예를 들어, OpenAI 모델은 openai/<model-name> 형식으로 지정합니다. 호스팅된 모델 제공자와 모델의 전체 목록은 AI Security Institute의 model provider reference를 참조하세요.
    • W&B Inference가 제공하는 모델을 평가하려면, 기본 URL을 https://api.inference.wandb.ai/v1로 설정하고 모델 이름을 openai-api/wandb/<model_id> 형식으로 지정합니다. 자세한 내용은 Inference model catalog를 참조하세요.
    • OpenRouter 제공자를 사용하려면, 모델 이름 앞에 openrouter를 붙여 openrouter/<model-name> 형식으로 지정합니다.
    • OpenAPI 호환 커스텀 모델을 평가하려면, 모델 이름을 openai-api/wandb/<model-name> 형식으로 지정합니다.
  5. Select evaluations를 클릭한 후, 실행할 벤치마크를 최대 네 개까지 선택합니다.
  6. 스코어링에 OpenAI 모델을 사용하는 벤치마크를 선택하면 Scorer API key 필드가 표시됩니다. 이를 클릭한 다음, OPENAI_API_KEY 시크릿을 선택합니다. 필요하다면 팀 관리자가 이 드로어에서 Create secret을 클릭해 새 시크릿을 생성할 수 있습니다.
  7. Hugging Face의 게이트된 데이터셋에 대한 액세스가 필요한 벤치마크를 선택하면 Hugging Face token 필드가 표시됩니다. 관련 데이터셋에 대한 액세스를 요청한 다음, Hugging Face 사용자 액세스 토큰이 포함된 시크릿을 선택합니다.
  8. 필요하다면 Sample limit을 양의 정수로 설정하여 평가할 벤치마크 샘플의 최대 개수를 제한합니다. 설정하지 않으면 작업의 모든 샘플이 포함됩니다.
  9. 리더보드를 자동으로 생성하려면 Publish results to leaderboard를 클릭합니다. 리더보드는 워크스페이스 패널에서 모든 평가를 함께 표시하며, 리포트에서 공유할 수도 있습니다.
  10. Launch를 클릭하여 평가 작업을 실행합니다.
  11. 페이지 상단의 원형 화살표 아이콘을 클릭하여 최근 실행 모달을 엽니다. 평가 작업은 다른 최근 실행과 함께 표시됩니다. 완료된 실행 이름을 클릭하면 단일 실행 보기로 열리고, Leaderboard 링크를 클릭하면 리더보드를 바로 열 수 있습니다. 자세한 내용은 결과 보기를 참조하세요.
다음 예시 작업은 OpenAI 모델 o4-mini에 대해 simpleqa 벤치마크를 실행합니다:
Example hosted model evaluation job
다음 예시 리더보드는 여러 OpenAI 모델의 성능을 함께 시각화한 것입니다:
Example leaderboard visualizing the performance of several hosted models

​
평가 결과 검토

대상 프로젝트의 워크스페이스에 있는 W&B Models에서 평가 작업 결과를 검토합니다.
  1. 페이지 상단의 원형 화살표 아이콘을 클릭하여 최근 실행 모달 창을 엽니다. 여기에서 평가 작업은 프로젝트의 다른 실행과 함께 표시됩니다. 평가 작업에 리더보드가 있는 경우 Leaderboard를 클릭하여 전체 화면으로 리더보드를 열거나, 실행 이름을 클릭하여 해당 실행을 프로젝트에서 단일 실행 보기로 엽니다.
  2. 워크스페이스의 Evaluations 섹션이나 Weave 사이드바 패널의 Traces 탭에서 평가 작업의 트레이스를 확인합니다.
  3. Overview 탭을 클릭하여 구성 및 요약 지표를 포함한 평가 작업의 자세한 정보를 확인합니다.
  4. Logs 탭을 클릭하여 평가 작업의 디버그 로그를 보고, 검색하거나 다운로드합니다.
  5. Files 탭을 클릭하여 코드, 로그, 구성 및 기타 출력 파일을 포함한 평가 작업의 파일을 탐색, 조회 또는 다운로드합니다.

​
리더보드를 사용자 지정하기

리더보드는 특정 프로젝트로 전송된 모든 평가 작업의 결과를 표시하며, 평가 작업당 벤치마크마다 한 행으로 구성됩니다. 열에는 평가 작업에 대한 트레이스, 입력 값, 출력 값 등의 세부 정보가 표시됩니다. 리더보드에 대한 자세한 내용은 Weave의 리더보드를 참고하세요.
리더보드의 결과에 대해 피드백을 남기려면 Feedback 열에서 이모지 아이콘 또는 채팅 아이콘을 클릭하세요.
  • 기본적으로 모든 평가 작업이 표시됩니다. 왼쪽의 실행 선택기를 사용하여 평가 작업을 필터링하거나 검색하세요.
  • 기본적으로 평가 작업은 그룹화되지 않습니다. 하나 이상의 열을 기준으로 그룹화하려면 Group 아이콘을 클릭하세요. 그룹을 표시하거나 숨기고, 그룹을 확장하여 해당 실행을 볼 수 있습니다.
  • 기본적으로 모든 op가 표시됩니다. 단일 op만 표시하려면 All ops를 클릭하고 op를 선택하세요.
  • 열을 기준으로 정렬하려면 열 헤더를 클릭하세요. 열 표시를 사용자 지정하려면 Columns를 클릭하세요.
    • 기본적으로 헤더는 단일 레벨로 구성됩니다. 관련 헤더를 함께 구성하기 위해 헤더 깊이를 늘릴 수 있습니다.
    • 개별 열을 선택 또는 선택 해제하여 표시하거나 숨기고, 클릭 한 번으로 모든 열을 표시하거나 숨길 수 있습니다.
    • 열을 고정하여 고정되지 않은 열보다 앞에 표시되도록 할 수 있습니다.

​
리더보드 내보내기

리더보드를 내보내려면:
  1. Columns 버튼 근처에 있는 다운로드 아이콘을 클릭합니다.
  2. 내보낸 파일 크기를 최적화하기 위해 기본적으로 트레이스 루트(trace root)만 내보내집니다. 전체 트레이스를 내보내려면 Trace roots only를 끕니다.
  3. 내보낸 파일 크기를 최적화하기 위해 기본적으로 피드백과 비용 정보는 내보내지 않습니다. 내보내기에 포함하려면 Feedback 또는 Costs를 켭니다.
  4. 기본 내보내기 형식은 JSONL입니다. 형식을 변경하려면 Export to file을 클릭하고 원하는 형식을 선택합니다.
  5. 브라우저에서 리더보드를 내보내려면 Export를 클릭합니다.
  6. 코드로 리더보드를 내보내려면 Python 또는 cURL을 선택한 다음 Copy를 클릭하고 스크립트나 명령을 실행합니다.

​
평가 작업 재실행

상황에 따라 평가 작업을 다시 실행하거나 해당 작업의 구성을 확인하는 방법은 여러 가지가 있습니다.
  • 직전에 실행한 평가 작업을 다시 실행하려면 모델 평가의 단계를 따르세요. 대상 프로젝트를 선택하면 지난번에 선택했던 모델 아티팩트 정보와 벤치마크가 자동으로 채워집니다. 필요에 따라 설정을 조정한 후 평가 작업을 실행하세요.
  • 프로젝트의 Runs 탭 또는 실행 선택기에서 평가 작업을 다시 실행하려면, 실행 이름 위에 마우스를 올린 뒤 재생 아이콘을 클릭하세요. 그러면 설정이 미리 채워진 작업 구성 패널이 표시됩니다. 필요에 따라 설정을 조정한 다음 Launch를 클릭하세요.
  • 다른 프로젝트에서 평가 작업을 다시 실행하려면 해당 작업의 구성을 가져오세요:
    1. 모델 평가의 단계를 따르세요. 대상 프로젝트를 선택한 후 Import configuration을 클릭하세요.
    2. 가져올 평가 작업이 포함된 프로젝트를 선택한 다음, 해당 평가 작업 실행을 선택하세요. 그러면 설정이 미리 채워진 작업 구성 패널이 표시됩니다.
    3. 필요에 따라 구성을 조정하세요.
    4. Launch를 클릭하세요.

​
평가 작업 구성 내보내기

실행의 Files 탭에서 평가 작업 구성을 내보냅니다.
  1. 단일 실행 보기에서 해당 실행을 엽니다.
  2. Files 탭을 클릭합니다.
  3. config.yaml 옆의 다운로드 버튼을 클릭해 로컬로 다운로드합니다.