Vilyam888 commited on
Commit
a239d40
·
1 Parent(s): 028ad74

метрики json на test выбрке, n=100

Browse files
metrics/01_training_perplexity.json ADDED
@@ -0,0 +1,18 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "metric_group": "training_perplexity",
3
+ "model": "Code_analyze.1.0",
4
+ "hf_model": "Vilyam888/Code_analyze.1.0",
5
+ "base_model": "Qwen/Qwen2.5-Coder-3B-Instruct",
6
+ "checkpoint": "C:\\Users\\User\\Desktop\\Предитог по диплому\\outputs\\code-analyze-qlora\\checkpoint-222",
7
+ "source": "C:\\Users\\User\\Desktop\\Предитог по диплому\\outputs\\code-analyze-qlora\\checkpoint-222\\trainer_state.json",
8
+ "validation_file": "C:\\Users\\User\\Desktop\\Предитог по диплому\\prepared_data\\code_analyze\\val.jsonl",
9
+ "evaluation_date": "2026-06-11",
10
+ "metrics": {
11
+ "train_loss_final": 0.241,
12
+ "eval_loss_final": 0.2776,
13
+ "eval_mean_token_accuracy": 0.925,
14
+ "perplexity_validation": 1.32,
15
+ "num_train_epochs": 2,
16
+ "global_step": 222
17
+ }
18
+ }
metrics/02_json_validity.json ADDED
@@ -0,0 +1,37 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "metric_group": "json_validity",
3
+ "model": "Code_analyze.1.0",
4
+ "hf_model": "Vilyam888/Code_analyze.1.0",
5
+ "evaluation_file": "C:\\Users\\User\\Desktop\\Предитог по диплому\\prepared_data\\code_analyze\\test.jsonl",
6
+ "evaluation_date": "2026-06-11",
7
+ "samples_evaluated": 100,
8
+ "generation_params": {
9
+ "temperature": 0.2,
10
+ "top_p": 0.95,
11
+ "max_new_tokens": 2048,
12
+ "seed": 42
13
+ },
14
+ "required_fields": [
15
+ "summary",
16
+ "tags",
17
+ "suggested_tags",
18
+ "overall_score",
19
+ "code_quality_score",
20
+ "correctness",
21
+ "task_compliance",
22
+ "strengths",
23
+ "weaknesses",
24
+ "recommendations",
25
+ "detailed_analysis"
26
+ ],
27
+ "metrics": {
28
+ "valid_json_rate": 0.93,
29
+ "required_fields_rate": 0.9,
30
+ "tag_name_match_rate": 0.88
31
+ },
32
+ "metrics_counts": {
33
+ "valid_json": 93,
34
+ "required_fields_complete": 90,
35
+ "tag_name_match": 88
36
+ }
37
+ }
metrics/03_bleu_rouge.json ADDED
@@ -0,0 +1,26 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "metric_group": "bleu_rouge",
3
+ "model": "Code_analyze.1.0",
4
+ "hf_model": "Vilyam888/Code_analyze.1.0",
5
+ "evaluation_file": "C:\\Users\\User\\Desktop\\Предитог по диплому\\prepared_data\\code_analyze\\test.jsonl",
6
+ "evaluation_date": "2026-06-11",
7
+ "text_fields": [
8
+ "summary",
9
+ "detailed_analysis",
10
+ "recommendations"
11
+ ],
12
+ "pairs_evaluated": 93,
13
+ "generation_params": {
14
+ "temperature": 0.2,
15
+ "top_p": 0.95,
16
+ "max_new_tokens": 2048,
17
+ "seed": 42
18
+ },
19
+ "metrics": {
20
+ "bleu4_corpus": 0.7,
21
+ "bleu4_summary": 0.72,
22
+ "rouge1_f1": 0.71,
23
+ "rouge2_f1": 0.56,
24
+ "rougeL_f1": 0.69
25
+ }
26
+ }
metrics/04_code_metrics.json ADDED
@@ -0,0 +1,7 @@
 
 
 
 
 
 
 
 
1
+ {
2
+ "metric_group": "code_metrics",
3
+ "model": "Code_analyze.1.0",
4
+ "status": "not_applicable",
5
+ "reason": "Модель генерирует JSON-анализ кода; метрика CodeBLEU не входит в протокол оценки.",
6
+ "metrics": {}
7
+ }
metrics/README.md ADDED
@@ -0,0 +1,36 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ # Метрики оценки Code_analyze.1.0
2
+
3
+ Автоматическая оценка дообученной модели [Vilyam888/Code_analyze.1.0](https://huggingface.co/Vilyam888/Code_analyze.1.0) на hold-out выборке.
4
+
5
+ ## Протокол оценки
6
+
7
+ | Параметр | Значение |
8
+ |----------|----------|
9
+ | Базовая модель | Qwen/Qwen2.5-Coder-3B-Instruct |
10
+ | Метод дообучения | QLoRA (4-bit NF4), 2 эпохи, checkpoint-222 |
11
+ | Тестовая выборка | `prepared_data/code_analyze/test.jsonl`, N = 100 |
12
+ | Эталон | Поля JSON из test split |
13
+ | Temperature | 0.2 |
14
+ | max_new_tokens | 2048 |
15
+
16
+ ## Итоговые метрики
17
+
18
+ | Метрика | Значение |
19
+ |---------|----------|
20
+ | Perplexity (validation) | **1.32** |
21
+ | valid_json_rate | **93 %** |
22
+ | required_fields_rate | **90 %** |
23
+ | tag_name_match_rate | **88 %** |
24
+ | BLEU-4 (corpus) | **0.70** |
25
+ | ROUGE-L F1 | **0.69** |
26
+ | CodeBLEU | не применяется |
27
+
28
+ ## Файлы
29
+
30
+ - `evaluation_report.json` / `evaluation_report.txt` — сводный отчёт
31
+ - `01_training_perplexity.json` — метрики обучения (loss, PPL)
32
+ - `02_json_validity.json` — валидность и полнота JSON
33
+ - `03_bleu_rouge.json` — BLEU и ROUGE по текстовым полям
34
+ - `04_code_metrics.json` — пояснение по CodeBLEU
35
+
36
+ Human Evaluation в протокол оценки данной модели **не входит**.
metrics/evaluation_report.json ADDED
@@ -0,0 +1,33 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "title": "Отчёт об оценке модели Code_analyze.1.0",
3
+ "model": "Code_analyze.1.0",
4
+ "hf_model": "Vilyam888/Code_analyze.1.0",
5
+ "base_model": "Qwen/Qwen2.5-Coder-3B-Instruct",
6
+ "evaluation_date": "2026-06-11",
7
+ "evaluation_sample": "test.jsonl, N = 100",
8
+ "reference_split": "hold-out test",
9
+ "generation": {
10
+ "temperature": 0.2,
11
+ "max_new_tokens": 2048
12
+ },
13
+ "metrics_output_dir": "C:\\Users\\User\\Desktop\\Предитог по диплому\\outputs\\metrics\\code_analyze",
14
+ "training": {
15
+ "train_loss_final": 0.241,
16
+ "eval_loss_final": 0.2776,
17
+ "eval_mean_token_accuracy": 0.925,
18
+ "perplexity_validation": 1.32,
19
+ "num_train_epochs": 2,
20
+ "global_step": 222
21
+ },
22
+ "generation_metrics": {
23
+ "valid_json_rate": 0.93,
24
+ "required_fields_rate": 0.9,
25
+ "tag_name_match_rate": 0.88,
26
+ "bleu4_corpus": 0.7,
27
+ "bleu4_summary": 0.72,
28
+ "rouge1_f1": 0.71,
29
+ "rouge2_f1": 0.56,
30
+ "rougeL_f1": 0.69,
31
+ "codebleu_status": "not_applicable"
32
+ }
33
+ }
metrics/evaluation_report.txt ADDED
@@ -0,0 +1,31 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ОТЧЁТ ОБ ОЦЕНКЕ МОДЕЛИ Code_analyze.1.0
2
+ Репозиторий: Vilyam888/Code_analyze.1.0
3
+ Базовая модель: Qwen/Qwen2.5-Coder-3B-Instruct
4
+ Дата оценки: 2026-06-11
5
+ Выборка: test.jsonl, N = 100 (hold-out test)
6
+ Генерация: temperature = 0.2, max_new_tokens = 2048
7
+
8
+ 1. Perplexity (validation, checkpoint-222):
9
+ • train_loss_final: 0.241
10
+ • eval_loss_final: 0.2776
11
+ • eval_mean_token_accuracy: 0.925
12
+ • perplexity_validation: 1.32
13
+ • num_train_epochs: 2
14
+ • global_step: 222
15
+
16
+ 2. JSON validity:
17
+ • valid_json_rate: 0.93
18
+ • required_fields_rate: 0.9
19
+ • tag_name_match_rate: 0.88
20
+ • counts: valid_json=93, required_fields=90, tag_match=88
21
+
22
+ 3. BLEU:
23
+ • bleu4_corpus: 0.7
24
+ • bleu4_summary: 0.72
25
+
26
+ 4. ROUGE-N:
27
+ • rouge1_f1: 0.71
28
+ • rouge2_f1: 0.56
29
+ • rougeL_f1: 0.69
30
+
31
+ 5. CodeBLEU: не применяется (модель анализа кода, JSON-выход)