常见问题
通用
ppl 和 gen 有什么区别和联系？
ppl 是困惑度 (perplexity) 的缩写，是一种评价模型进行语言建模能力的指标。在 OpenCompass 的语境下，它一般指一种选择题的做法：给定一个上下文，模型需要从多个备选项中选择一个最合适的。此时，我们会将 n 个选项拼接上上下文后，形成 n 个序列，然后计算模型对这 n 个序列的 perplexity，我们认为其中 perplexity 最低的序列所对应的选项即为模型在这道题上面的推理结果，该种评测方法的后处理简单直接、确定性高。
gen 是生成 (generate) 的缩写。在 OpenCompass 的语境下，它指的是在给定上下文的情况下，模型往后续写的结果就是这道题目上的推理结果。一般来说，续写得到的字符串需要结合上比较重的后处理过程，才能进行可靠的答案提取，从而完成评测。
从使用上来说，基座模型的单项选择题和部分具有选择题性质的题目会使用 ppl，基座模型的不定项选择和非选择题都会使用 gen。而对话模型的所有题目都会使用 gen，因为许多商用 API 模型不会暴露 ppl 的接口。但也存在例外情况，例如我们希望基座模型输出解题思路过程时 (例如 Let's think step by step)，我们同样会使用 gen，但总体的使用如下图所示：
| ppl | gen | |
|---|---|---|
| 基座模型 | 仅 MCQ 任务 | MCQ 以外的其他任务 |
| 对话模型 | 无 | 所有任务 |
与 ppl 高度类似地，条件对数概率 clp (conditional log probability) 是在给定上下文的情况下，计算下一个 token 的概率。它也仅适用于选择题，考察概率的范围仅限于备选项标号所对应的 token，取其中概率最高的 token 所对应的选项为模型的推理结果。与 ppl 相比，clp 的计算更加高效，仅需要推理一次，而 ppl 需要推理 n 次，但坏处是，clp 受制于 tokenizer，在例如选项前后有无空格符号时，tokenizer 编码的结果会有变化，导致测试结果不可靠。因此 OpenCompass 中很少使用 clp。
OpenCompass 如何控制 few shot 评测的 shot 数目？
在数据集配置文件中，有一个 retriever 的字段，该字段表示如何召回数据集中的样本作为上下文样例，其中最常用的是 FixKRetriever 表示固定使用某 k 个样本，因此即为 k-shot。另外还有 ZeroRetriever 表示不使用任何样本，这在大多数情况下意味着 0-shot。
另一方面，in context 的样本也可以直接在数据集的模板中指定，在该情况下亦会搭配使用 ZeroRetriever，但此时的评测并不是 0-shot，而需要根据具体的模板来进行确定。具体请看 prompt
OpenCompass 如何分配 GPU？
OpenCompass 使用称为 task (任务) 的单位处理评估请求。每个任务都是模型和数据集的独立组合。任务所需的 GPU 资源完全由正在评估的模型决定，具体取决于 num_gpus 参数。
在评估过程中，OpenCompass 部署多个工作器并行执行任务。这些工作器不断尝试获取 GPU 资源直到成功运行任务。因此，OpenCompass 始终努力充分利用所有可用的 GPU 资源。
例如，如果您在配备有 8 个 GPU 的本地机器上使用 OpenCompass，每个任务要求 4 个 GPU，那么默认情况下，OpenCompass 会使用所有 8 个 GPU 同时运行 2 个任务。但是，如果您将 --max-num-workers 设置为 1，那么一次只会处理一个任务，只使用 4 个 GPU。
为什么 HuggingFace 模型使用 GPU 的行为和我的预期不符？
这是一个比较复杂的问题，我们需要从供给和需求两侧来说明：
供给侧就是运行多少任务。任务是模型和数据集的组合，它首先取决于要测多少模型和多少数据集。另外由于 OpenCompass 会将一个较大的任务拆分成多个小任务，因此每个子任务有多少条数据 --max-partition-size 也会影响任务的数量。(--max-partition-size 与真实数据条目成正比，但并不是 1:1 的关系)。
需求侧就是有多少 worker 在运行。由于 OpenCompass 会同时实例化多个模型去进行推理，因此我们用 --num-gpus 来指定每个实例使用多少 GPU。注意 --num-gpus 是一个 HuggingFace 模型专用的参数，非 HuggingFace 模型设置该参数是不会起作用的。同时我们使用 --max-num-workers 去表示最多有多少个实例在运行。最后由于 GPU 显存、负载不充分等问题，OpenCompass 也支持在同一个 GPU 上运行多个实例，这个参数是 --max-num-workers-per-gpu。因此可以笼统地认为，我们总共会使用 --num-gpus * --max-num-workers / --max-num-workers-per-gpu 个 GPU。
综上，当任务运行较慢，GPU 负载不高的时候，我们首先需要检查供给是否充足，如果不充足，可以考虑调小 --max-partition-size 来将任务拆分地更细；其次需要检查需求是否充足，如果不充足，可以考虑增大 --max-num-workers 和 --max-num-workers-per-gpu。一般来说，我们会将 --num-gpus 设定为最小的满足需求的值，并不会再进行调整。
我如何控制 OpenCompass 占用的 GPU 数量？
目前，没有直接的方法来指定 OpenCompass 可以使用的 GPU 数量。但以下是一些间接策略：
如果在本地评估：
您可以通过设置 CUDA_VISIBLE_DEVICES 环境变量来限制 OpenCompass 的 GPU 访问。例如，使用 CUDA_VISIBLE_DEVICES=0,1,2,3 python run.py ... 只会向 OpenCompass 暴露前四个 GPU，确保它同时使用的 GPU 数量不超过这四个。
如果使用 Slurm 或 DLC：
尽管 OpenCompass 没有直接访问资源池，但您可以调整 --max-num-workers 参数以限制同时提交的评估任务数量。这将间接管理 OpenCompass 使用的 GPU 数量。例如，如果每个任务需要 4 个 GPU，您希望分配总共 8 个 GPU，那么应将 --max-num-workers 设置为 2。
找不到 libGL.so.1
opencv-python 依赖一些动态库，但环境中没有，最简单的解决办法是卸载 opencv-python 再安装 opencv-python-headless。
pip uninstall opencv-python
pip install opencv-python-headless
也可以根据报错提示安装对应的依赖库
sudo apt-get update
sudo apt-get install -y libgl1 libglib2.0-0
网络
运行报错：('Connection aborted.', ConnectionResetError(104, 'Connection reset by peer')) 或 urllib3.exceptions.MaxRetryError: HTTPSConnectionPool(host='cdn-lfs.huggingface.co', port=443)
由于 HuggingFace 的实现，OpenCompass 在首次加载某些数据集和模型时需要网络（尤其是与 HuggingFace 的连接）。此外，每次启动时都会连接到 HuggingFace。为了成功运行，您可以：
- 通过指定环境变量
http_proxy和https_proxy，挂上代理； - 使用其他机器的缓存文件。首先在有 HuggingFace 访问权限的机器上运行实验，然后将缓存文件复制到离线的机器上。缓存文件默认位于
~/.cache/huggingface/（文档）。当缓存文件准备好时，您可以在离线模式下启动评估：HF_DATASETS_OFFLINE=1 TRANSFORMERS_OFFLINE=1 HF_EVALUATE_OFFLINE=1 python run.py ... - 使用中国大陆内的镜像源，例如 hf-mirror
HF_ENDPOINT=https://hf-mirror.com python run.py ...
我的服务器无法连接到互联网，我如何使用 OpenCompass？
如 网络-Q1 所述，使用其他机器的缓存文件。
在评估阶段报错 FileNotFoundError: Couldn't find a module script at opencompass/accuracy.py. Module 'accuracy' doesn't exist on the Hugging Face Hub either.
HuggingFace 试图将度量（例如 accuracy）作为在线模块加载，如果网络无法访问，它可能会失败。请参考 网络-Q1 以解决您的网络问题。
该问题在最新版 OpenCompass 中已经修复，因此也可以考虑使用最新版的 OpenCompass。
效率
为什么 OpenCompass 将每个评估请求分割成任务？
鉴于大量的评估时间和大量的数据集，对 LLM 模型进行全面的线性评估可能非常耗时。为了解决这个问题，OpenCompass 将评估请求分为多个独立的 “任务”。然后，这些任务被派发到各种 GPU 组或节点，实现全并行并最大化计算资源的效率。
任务分区是如何工作的？
OpenCompass 中的每个任务代表等待评估的特定模型和数据集部分的组合。OpenCompass 提供了各种任务分区策略，每种策略都针对不同的场景。在推理阶段，主要的分区方法旨在平衡任务大小或计算成本。这种成本是从数据集大小和推理类型中启发式地得出的。
为什么在 OpenCompass 上评估 LLM 模型需要更多时间？
任务数量与加载模型的时间之间存在权衡。例如，如果我们将评估模型与数据集的请求分成 100 个任务，模型将总共加载 100 次。当资源充足时，这 100 个任务可以并行执行，所以在模型加载上花费的额外时间可以忽略。但是，如果资源有限，这 100 个任务会更加串行地执行，重复的加载可能成为执行时间的瓶颈。
因此，如果用户发现任务数量远远超过可用的 GPU，我们建议将 --max-partition-size 设置为一个较大的值。
模型
如何使用本地已下好的 Huggingface 模型?
如果您已经提前下载好 Huggingface 的模型文件，请手动指定模型路径，并在--model-kwargs 和 --tokenizer-kwargs中添加 trust_remote_code=True. 示例如下
python run.py --datasets siqa_gen winograd_ppl \
--hf-path /path/to/model \ # HuggingFace 模型地址
--tokenizer-path /path/to/model \ # HuggingFace 模型地址
--model-kwargs device_map='auto' trust_remote_code=True \ # 构造 model 的参数
--tokenizer-kwargs padding_side='left' truncation='left' use_fast=False trust_remote_code=True \ # 构造 tokenizer 的参数
--max-out-len 100 \ # 模型能接受的最大序列长度
--max-seq-len 2048 \ # 最长生成 token 数
--batch-size 8 \ # 批次大小
--no-batch-padding \ # 不打开 batch padding，通过 for loop 推理，避免精度损失
--num-gpus 1 # 所需 gpu 数