使用模型评测

评测状态

在评测任务列表的“状态”列，可查看评测任务的当前状态。评测任务有以下几种状态：

• 评测中：评测任务创建完成后进入“评测中”状态，评测任务开始运行。此时无法查看评测详情，可删除评测任务。
• 已完成：评测完成，可查看评测详情与指标对比结果。
• 失败：评测失败，具体原因请查看日志排查。

评测详情

在已完成的评测任务列表中，点击“详情”按钮，可以查看本次评测的详细结果。

• 任务元信息概览：页面顶部展示创建时间、评测涉及的模型及具体 Commit 版本、分配的算力资源（如 A100）以及采用的评测框架版本（如 opencsg/evalscope:1.11.1-cu130）。
• 多模型/多版本对比：若在创建任务时添加了多个模型或多个版本，结果表格中将逐行对比不同模型或 Commit 在目标数据集上的指标得分（如 accuracy 准确率等），直观呈现不同版本在基准任务上的表现差异。
• 分数据集透视：支持切换查看“结果总览”或各个具体评测数据集子项的打分情况。

下载结果

在评测任务详情页右上角或任务列表中，点击“下载评测结果”按钮，可下载该次评测任务的完整结果文件与日志。

删除任务

在完成的评测任务列表中，点击“删除”按钮，可删除该次评测任务。该操作无法撤销，请谨慎操作。