EvaluationLogger는 Python 또는 TypeScript 코드에서 평가 데이터를 직접 로깅할 수 있는 유연하고 단계적인 방법을 제공합니다. Weave의 내부 데이터 타입에 대해 깊이 알 필요는 없습니다. 단순히 logger 인스턴스를 생성한 뒤, 그 메서드들(log_prediction, log_score, log_summary)을 사용해 평가 단계를 기록하면 됩니다.
이 방식은 전체 데이터셋이나 모든 스코어러를 사전에 정의하기 어려운 복잡한 워크플로에서 특히 유용합니다.
미리 정의된 Dataset 및 Scorer 객체 목록이 필요한 표준 Evaluation 객체와 달리, EvaluationLogger를 사용하면 개별 예측과 해당 점수를 생성되는 대로 점진적으로 로깅할 수 있습니다.
더 구조화된 평가를 원하나요?미리 정의된 데이터셋과 스코어러를 사용하는, 구성이 미리 정해진 평가 프레임워크를 원한다면 Weave의 표준 Evaluation 프레임워크를 참고하세요.EvaluationLogger는 유연성을 제공하고, 표준 프레임워크는 구조와 가이던스를 제공합니다.
- 로거 초기화:
EvaluationLogger 인스턴스를 생성하고, 필요하다면 model 및 dataset에 대한 메타데이터를 전달합니다. 생략하면 기본값이 사용됩니다.
LLM 호출(예: OpenAI)에 대한 토큰 사용량과 비용을 수집하려면 어떠한 LLM 호출보다 먼저 EvaluationLogger를 초기화해야 합니다.
LLM을 먼저 호출한 뒤 나중에 예측을 로깅하면 토큰 및 비용 데이터는 수집되지 않습니다.
- 예측 로깅: 시스템에서 나온 각 입력/출력 쌍에 대해
log_prediction을 호출합니다.
- 점수 로깅: 반환된
ScoreLogger를 사용해 해당 예측에 대해 log_score를 호출합니다. 하나의 예측에 여러 개의 점수를 기록할 수 있습니다.
- 예측 완료: 예측에 대한 점수 로깅을 마친 후에는 항상
finish()를 호출해 해당 예측을 최종 확정합니다.
- 요약 로깅: 모든 예측 처리가 끝나면
log_summary를 호출하여 점수를 집계하고, 필요하다면 사용자 정의 지표를 추가합니다.
특정 예측에 대해 finish()를 호출한 이후에는 해당 예측에 더 이상 점수를 기록할 수 없습니다.
EvaluationLogger를 사용해 예측값과 점수를 인라인으로 로깅하는 방법을 보여줍니다.
user_model 모델 함수가 정의되고 입력 목록에 적용됩니다. 각 예제에 대해:
- 입력과 출력이
log_prediction을 사용해 기록됩니다.
- 단순 정확도 점수(
correctness_score)가 log_score를 통해 기록됩니다.
finish()가 해당 예측에 대한 로깅을 마무리합니다.
마지막으로, log_summary가 집계된 지표를 기록하고 Weave에서 자동 점수 요약을 실행합니다.
import weave
from openai import OpenAI
from weave import EvaluationLogger
weave.init('your-team/your-project')
# 토큰 추적을 보장하려면 모델 호출 전에 EvaluationLogger를 초기화하세요
eval_logger = EvaluationLogger(
model="my_model",
dataset="my_dataset"
)
# 예시 입력 데이터 (원하는 어떤 데이터 구조도 사용 가능합니다)
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 예시 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 적절히 활용합니다 (여기서는 단순화를 위해 a + b를 반환합니다)
return a + b
# 예시를 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 간단한 문자열 이름
score=correctness_score
)
# 해당 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("평가 로깅이 완료되었습니다. Weave UI에서 결과를 확인하세요.")
TypeScript SDK는 두 가지 API 패턴을 제공합니다:
- Fire-and-forget API (대부분의 경우 권장): 동기식이면서 논블로킹 방식으로 로깅하려면
await 없이 logPrediction()을 사용합니다.
- Awaitable API: 이후 단계로 진행하기 전에 작업 완료를 보장해야 할 때
await와 함께 logPredictionAsync()를 사용합니다.
다음과 같은 경우에는 fire-and-forget 패턴 사용을 권장합니다:
- 높은 처리량: 각 로깅 작업을 기다리지 않고 여러 예측을 병렬로 처리
- 최소한의 코드 변경: 기존 async/await 흐름을 재구성하지 않고 평가 로깅을 추가
- 단순성: 대부분의 평가 시나리오에서 보일러플레이트 코드를 줄이고 더 간결한 문법 제공
fire-and-forget 패턴은 logSummary()가 결과를 집계하기 전에 보류 중인 모든 작업이 완료될 때까지 자동으로 기다리기 때문에 안전합니다.다음 예시는 fire-and-forget 패턴으로 모델 예측을 평가합니다. 이 예시는 평가 로거를 설정하고, 세 개의 테스트 샘플에 대해 간단한 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'
});
// 예시 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 예시 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;
});
// fire-and-forget 패턴을 사용하여 예시를 순회하고, 예측 후 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 모든 대기 중인 작업이 완료될 때까지 기다립니다
const summaryStats = {subjective_overall_score: 0.8};
await evalLogger.logSummary(summaryStats);
console.log('평가 로깅이 완료되었습니다. Weave UI에서 결과를 확인하세요.');
await 없이 logPrediction()을 호출하는 대신, await와 함께 logPredictionAsync()를 사용하여 각 연산이 다음 단계로 넘어가기 전에 완료되도록 보장합니다:// logPrediction 대신 logPredictionAsync 사용
const scoreLogger = await evalLogger.logPredictionAsync(inputs, modelOutput);
// 각 작업을 await 처리
await scoreLogger.logScore('correctness', correctnessScore);
await scoreLogger.finish();
EvaluationLogger는 기본 워크플로우를 넘어서는 유연한 패턴을 제공하여 더 복잡한 평가 시나리오를 지원합니다. 이 섹션에서는 자동 리소스 관리를 위한 컨텍스트 매니저 사용, 모델 실행과 로깅의 분리, 리치 미디어 데이터 처리, 여러 모델 평가를 나란히 비교하는 방법 등 고급 기법을 다룹니다.
EvaluationLogger는 예측과 점수 모두에 대해 컨텍스트 매니저(with 문)를 지원합니다. 이를 사용하면 코드가 더 깔끔해지고, 리소스가 자동으로 정리되며, LLM 판정 호출과 같은 중첩 작업을 더 효과적으로 추적할 수 있습니다.
이 경우 with 문을 사용하면 다음과 같은 이점이 있습니다:
- 컨텍스트를 벗어날 때
finish()가 자동으로 호출됨
- 중첩된 LLM 호출에 대한 토큰/비용 추적 향상
- 예측 컨텍스트 내에서 모델 실행 후 출력 설정
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"
# 예측에 컨텍스트 매니저 사용 - finish()를 호출할 필요가 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 출력 설정
pred.output = result.choices[0].message.content
# 단순 점수 기록
pred.log_score("correctness", 1.0)
pred.log_score("ambiguity", 0.3)
# LLM 호출이 필요한 점수에는 중첩 컨텍스트 매니저 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})
TypeScript에는 컨텍스트 매니저를 위한 Python의 with 문 패턴이 없습니다. 대신, 명시적으로 finish()를 호출하는 파이어 앤 포겟(fire-and-forget) 패턴을 사용합니다.다음 예시는 예측을 기록하고, 단순 점수와 LLM 판정 점수를 추가한 뒤, finish()로 예측을 마무리합니다: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 출력 가져오기
const result = await oai.chat.completions.create({
model: 'gpt-4o-mini',
messages: [{role: 'user', content: userPrompt}],
});
const modelOutput = result.choices[0].message.content;
// 출력과 함께 예측 기록
const pred = ev.logPrediction({user_prompt: userPrompt}, modelOutput);
// 단순 점수 기록
pred.logScore('correctness', 1.0);
pred.logScore('ambiguity', 0.3);
// LLM 판정 점수의 경우, 호출을 수행한 뒤 결과를 기록
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 매니저를 통한 자동 정리가 없지만, logSummary()는 결과를 집계하기 전에 완료되지 않은 예측을 자동으로 마무리합니다. finish()를 명시적으로 호출하고 싶지 않은 경우 이 동작에 의존할 수 있습니다.
# 토큰 추적을 위해 모델을 호출하기 전에 EvaluationLogger를 초기화합니다
ev = EvaluationLogger(
model="example_model",
dataset="example_dataset"
)
# 토큰 추적을 위해 로거 초기화 이후에 모델 출력(예: OpenAI 호출)을 생성해야 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()
fire-and-forget 패턴은 여러 예측을 병렬로 처리할 때 특히 효과적입니다.다음 예시는 EvaluationLogger의 여러 동시 인스턴스를 생성하여 평가를 배치로 병렬 처리합니다:// 토큰 추적을 위해 모델을 호출하기 전에 EvaluationLogger를 초기화합니다
const ev = new EvaluationLogger({
name: 'parallel-eval',
model: 'example_model',
dataset: 'example_dataset'
});
// OpenAI 호출과 같은 모델 출력은 토큰 추적을 위해 로거 초기화 이후에 생성해야 합니다
const outputs = await Promise.all(
yourDataset.map(inputs => yourOutputGenerator(inputs))
);
// fire-and-forget: 모든 예측을 기다리지 않고 처리합니다
const preds = yourDataset.map((inputs, i) =>
ev.logPrediction(inputs, outputs[i])
);
preds.forEach((pred, i) => {
const output = outputs[i];
// fire-and-forget: await가 필요 없습니다
pred.logScore('greater_than_5_scorer', output > 5);
pred.logScore('greater_than_7_scorer', output > 7);
pred.finish();
});
// logSummary는 모든 보류 중인 작업이 완료될 때까지 대기합니다
await ev.logSummary();
log_prediction 또는 log_score 메서드에 딕셔너리(dict)나 미디어 객체를 그대로 전달하면 됩니다.
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 # 16-bit max amplitude
buffer = io.BytesIO()
# Write wave data to the buffer
with wave.open(buffer, 'wb') as wf:
wf.setnchannels(1)
wf.setsampwidth(2) # 16-bit
wf.setframerate(sample_rate)
for _ in range(n_samples):
sample = random.randint(-amplitude, amplitude)
wf.writeframes(struct.pack('<h', sample))
# Rewind the buffer to the beginning so we can read from it
buffer.seek(0)
# Return a Wave_read object
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 SDK는 weaveImage 및 weaveAudio 함수를 사용하여 이미지와 오디오 로깅을 지원합니다. 다음 예시는 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');
// Load images and audio from files
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')}),
},
];
// Model that processes media and returns results
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);
// Log prediction with rich media in both inputs and outputs
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();
EvaluationLogger를 사용하면 여러 평가를 기록하고 비교할 수 있습니다.
-
아래 코드 예제를 실행합니다.
-
Weave UI에서
Evals 탭으로 이동합니다.
-
비교하려는 eval을 선택합니다.
-
Compare 버튼을 클릭합니다. Compare 뷰에서 다음 작업을 수행할 수 있습니다.
- 추가하거나 제거할 eval 선택
- 표시하거나 숨길 지표 선택
- 특정 예제를 넘겨 보면서, 동일한 입력과 주어진 데이터셋에 대해 서로 다른 모델이 어떻게 동작했는지 확인
비교 기능에 대한 자세한 내용은 Comparisons을 참고하세요.
import weave
models = [
"model1",
"model2",
{"name": "model3", "metadata": {"coolness": 9001}}
]
for model in models:
# EvalLogger must be initialized before model calls to capture tokens
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()
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) {
// EvalLogger must be initialized before model calls to capture tokens
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);
// Fire-and-forget pattern for clean, efficient logging
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();
}
- 각 예측 후 가능한 한 빨리
finish()를 호출하세요.
- 단일 예측에 묶여 있지 않은 메트릭(예: 전체 지연 시간)을 기록하려면
log_summary를 사용하세요.
- 리치 미디어 로깅은 정성적 분석에 매우 유용합니다.
- 자동 완료 동작: 명확성을 위해 각 예측마다
finish()를 명시적으로 호출하는 것을 권장하지만, logSummary()는 완료되지 않은 예측을 자동으로 완료합니다. 단, 스크립트에서 한 번 finish()를 호출하면 더 이상 점수를 기록할 수 없습니다.
- 설정 옵션: Weave UI에서 평가를 구성하고 필터링하기 위해
name, description, dataset, model, scorers, attributes 등의 설정 옵션을 사용하세요.
플랫폼
W&B Models
W&B Weave
W&B Inference
W&B 교육
릴리스 노트
