使用 LLM 评审团准确评估自由格式语言输出
预构建的 LLM 评审团
快速启动内置的 LLM 评审团，以评估安全性、幻觉、检索质量和相关性。我们经过研究支持的评审团提供准确、可靠的质量评估，并与人类专业知识保持一致。
定制的 LLM 评审团
调整我们的基础模型，创建符合您业务需求的自定义 LLM 评审团，并与您的人类专家判断保持一致。
通过评估迭代改进质量
测试新的应用程序/提示词变体
MLflow 的 GenAI 评估 API 允许您针对评估和回归数据集测试新的应用程序变体（提示词、模型、代码）。每个变体都与其评估结果相关联，从而能够跟踪随时间推移的改进。
使用基于代码的指标进行定制
使用我们的自定义指标 API，定制评估以衡量应用程序质量或性能的任何方面。将任何 Python 函数（从正则表达式到自定义逻辑）转换为指标。
使用评估审查 UI 识别根本原因
使用 MLflow 的评估 UI 可视化您的评估摘要，并逐条查看结果，以快速识别根本原因和进一步改进的机会。
并排比较版本
比较两个应用程序变体的评估，以了解您的更改是否提高了质量或导致了质量下降。在跟踪比较 UI 中并排审查单个问题，以发现差异、调试回归并为您的下一个版本提供信息。
开始使用 MLflow
根据您的需求选择以下两种选项
参与其中
与开源社区建立联系
加入数百万 MLflow 用户