Executar uma avaliação e visualizar os resultados (MLflow 2)

Este artigo descreve como executar uma avaliação e visualizar os resultados à medida que desenvolve a sua aplicação de IA. Para obter informações sobre como monitorizar agentes implementados, consulte Monitorizar GenAI em produção.

Para avaliar um agente, você deve especificar um conjunto de avaliação. No mínimo, um conjunto de avaliação é um conjunto de solicitações para a sua aplicação que pode vir de um conjunto curado de solicitações de avaliação ou registos de utilizadores do agente. Para obter mais detalhes, consulte Conjuntos de avaliação (MLflow 2) e Esquema de entrada de avaliação do agente (MLflow 2).

Executar uma avaliação

Para executar uma avaliação, use o método mlflow.evaluate() da API MLflow, especificando o model_type como databricks-agent para habilitar a Avaliação do Agente no Databricks e juízes de IA internos.

O exemplo a seguir especifica um conjunto de diretrizes de resposta global para as diretrizes globais de julgamento de IA que fazem com que a avaliação falhe quando as respostas não aderem às diretrizes. Você não precisa coletar rótulos por solicitação para avaliar o seu agente nesta abordagem.

import mlflow
from mlflow.deployments import get_deploy_client

# The guidelines below will be used to evaluate any response of the agent.
global_guidelines = {
  "rejection": ["If the request is unrelated to Databricks, the response must should be a rejection of the request"],
  "conciseness": ["If the request is related to Databricks, the response must should be concise"],
  "api_code": ["If the request is related to Databricks and question about API, the response must have code"],
  "professional": ["The response must be professional."]
}

eval_set = [{
  "request": {"messages": [{"role": "user", "content": "What is the difference between reduceByKey and groupByKey in Databricks Spark?"}]}
}, {
  "request": "What is the weather today?",
}]

# Define a very simple system-prompt agent.
@mlflow.trace(span_type="AGENT")
def llama3_agent(messages):
  SYSTEM_PROMPT = """
    You are a chatbot that answers questions about Databricks.
    For requests unrelated to Databricks, reject the request.
  """
  return get_deploy_client("databricks").predict(
    endpoint="databricks-meta-llama-3-3-70b-instruct",
    inputs={"messages": [{"role": "system", "content": SYSTEM_PROMPT}, *messages]}
  )

# Evaluate the Agent with the evaluation set and log it to the MLFlow run "system_prompt_v0".
with mlflow.start_run(run_name="system_prompt_v0") as run:
  mlflow.evaluate(
    data=eval_set,
    model=lambda request: llama3_agent(**request),
    model_type="databricks-agent",
    evaluator_config={
      "databricks-agent": {
        "global_guidelines": global_guidelines
      }
    }
  )

Os resultados estão disponíveis na guia Rastreamentos na página MLflow Run:

Este exemplo executa os seguintes critérios que não precisam de etiquetas de verdade básica: Adesão à diretriz, Relevância para consulta, Segurança.

Se utilizar um agente com um retriever, os seguintes critérios serão avaliados: Consistência, Relevância do trecho

mlflow.evaluate() também calcula métricas de latência e custo para cada registro de avaliação, agregando resultados em todas as entradas para uma determinada execução. Estes são designados por resultados da avaliação. Os resultados da avaliação são registrados na execução anexa, juntamente com as informações registradas por outros comandos, como parâmetros do modelo. Se você chamar mlflow.evaluate() fora de uma execução MLflow, uma nova execução será criada.

Avalie com rótulos de verdade-base

O exemplo a seguir especifica rótulos de verdade básica por linha: expected_facts e guidelines, que executarão os juízes de correção e diretrizes respetivamente. As avaliações individuais são tratadas de forma separada, usando os rótulos de referência por linha.

%pip install databricks-agents
dbutils.library.restartPython()

import mlflow
from mlflow.types.llm import ChatCompletionResponse, ChatCompletionRequest
from mlflow.deployments import get_deploy_client
import dataclasses

eval_set = [{
  "request": "What is the difference between reduceByKey and groupByKey in Databricks Spark?",
  "expected_facts": [
    "reduceByKey aggregates data before shuffling",
    "groupByKey shuffles all data",
  ],
  "guidelines": ["The response must be concice and show a code snippet."]
}, {
  "request": "What is the weather today?",
  "guidelines": ["The response must reject the request."]
}]

# Define a very simple system-prompt agent.
@mlflow.trace(span_type="AGENT")
def llama3_agent(messages):
  SYSTEM_PROMPT = """
    You are a chatbot that answers questions about Databricks.
    For requests unrelated to Databricks, reject the request.
  """
  return get_deploy_client("databricks").predict(
    endpoint="databricks-meta-llama-3-3-70b-instruct",
    inputs={"messages": [{"role": "system", "content": SYSTEM_PROMPT}, *messages]}
  )

# Evaluate the agent with the evaluation set and log it to the MLFlow run "system_prompt_v0".
with mlflow.start_run(run_name="system_prompt_v0") as run:
  mlflow.evaluate(
    data=eval_set,
    model=lambda request: llama3_agent(**request),
    model_type="databricks-agent"
  )

Este exemplo aplica os mesmos critérios mencionados acima, além do seguinte: Correção, Relevância, Segurança

Se utilizares um agente com um retriever, será aplicado o seguinte critério: Suficiência de contexto

Requisitos

Os recursos de IA baseados em parceiros devem ser habilitados para seu espaço de trabalho.

Fornecer entradas para um processo de avaliação

Há duas maneiras de fornecer entrada para uma execução de avaliação:

• Fornecer resultados gerados anteriormente para comparar com o conjunto de avaliação. Essa opção é recomendada se você quiser avaliar as saídas de um aplicativo que já está implantado na produção ou se quiser comparar os resultados da avaliação entre as configurações de avaliação.

  Com essa opção, você especifica um conjunto de avaliação conforme mostrado no código a seguir. O conjunto de avaliação deve incluir resultados previamente gerados. Para obter exemplos mais detalhados, consulte Exemplo: Como passar saídas geradas anteriormente para a avaliação do agente.

  evaluation_results = mlflow.evaluate(
      data=eval_set_with_chain_outputs_df,  # pandas DataFrame with the evaluation set and application outputs
      model_type="databricks-agent",
  )
  

• Passe a aplicação como um argumento de entrada. mlflow.evaluate() chama a aplicação para cada entrada no conjunto de avaliação e reporta avaliações de qualidade e outras métricas para cada saída gerada. Essa opção é recomendada se seu aplicativo foi registrado usando MLflow com MLflow Tracing habilitado ou se seu aplicativo é implementado como uma função Python em um bloco de anotações. Esta opção não é recomendada se o seu aplicativo foi desenvolvido fora do Databricks ou é implantado fora do Databricks.

  Com essa opção, você especifica o conjunto de avaliação e o aplicativo na chamada de função, conforme mostrado no código a seguir. Para obter exemplos mais detalhados, consulte Exemplo: Como passar um aplicativo para a Avaliação do Agente.

  evaluation_results = mlflow.evaluate(
      data=eval_set_df,  # pandas DataFrame containing just the evaluation set
      model=model,  # Reference to the MLflow model that represents the application
      model_type="databricks-agent",
  )
  

Para obter detalhes sobre o esquema do conjunto de avaliação, consulte Esquema de entrada de avaliação do agente (MLflow 2).

Resultados da avaliação

Avaliação do Agente retorna as saídas de mlflow.evaluate() como dataframes e também regista essas saídas na execução do MLflow. Você pode inspecionar as saídas no notebook ou na página da execução correspondente do MLflow.

Verificar a saída no notebook

O código a seguir mostra alguns exemplos de como revisar os resultados de uma avaliação executada a partir do seu bloco de anotações.

%pip install databricks-agents pandas
dbutils.library.restartPython()

import mlflow
import pandas as pd

###
# Run evaluation
###
evaluation_results = mlflow.evaluate(..., model_type="databricks-agent")

###
# Access aggregated evaluation results across the entire evaluation set
###
results_as_dict = evaluation_results.metrics
results_as_pd_df = pd.DataFrame([evaluation_results.metrics])

# Sample usage
print(f"The percentage of generated responses that are grounded: {results_as_dict['response/llm_judged/groundedness/percentage']}")

###
# Access data about each question in the evaluation set
###

per_question_results_df = evaluation_results.tables['eval_results']

# Show information about responses that are not grounded
per_question_results_df[per_question_results_df["response/llm_judged/groundedness/rating"] == "no"].display()

O dataframe per_question_results_df inclui todas as colunas no esquema de entrada e todos os resultados da avaliação específicos para cada solicitação. Para obter mais detalhes sobre os resultados calculados, consulte Como a qualidade, o custo e a latência são avaliados pela Avaliação do Agente (MLflow 2).

Revisar a saída usando a interface MLflow

Os resultados da avaliação também estão disponíveis na interface do usuário MLflow. Para aceder à interface do utilizador do MLflow, clique no ícone de Experiência na barra lateral direita do notebook e, em seguida, na execução correspondente, ou clique nos links que aparecem nos resultados da célula do notebook em que executou a função mlflow.evaluate().

Revisar resultados da avaliação para uma única execução

Esta seção descreve como revisar os resultados da avaliação para uma corrida individual. Para comparar resultados entre execuções, consulte Comparar resultados de avaliação entre execuções.

Visão geral das análises de qualidade por avaliadores de LLM

As avaliações por juiz a pedido estão disponíveis na databricks-agents versão 0.3.0 ou posterior.

Para ver uma visão geral da qualidade julgada pelo LLM de cada solicitação no conjunto de avaliações, clique na guia Rastreamentos na página MLflow Run.

)

Esta visão geral mostra as avaliações de diferentes juízes para cada solicitação e o status de qualidade de aprovação/reprovação de cada solicitação com base nessas avaliações.

Para obter mais detalhes, clique em uma linha na tabela para exibir a página de detalhes dessa solicitação. Na página de detalhes, você pode clicar em Ver exibição de rastreamento detalhada.

Resultados agregados em todo o conjunto de avaliações

Para ver os resultados agregados em todo o conjunto de avaliações, clique na guia Visão Geral (para valores numéricos) ou na guia Métricas do Modelo (para gráficos).

Comparar os resultados da avaliação entre as corridas

É importante comparar os resultados da avaliação entre as execuções para ver como seu aplicativo agentic responde às alterações. Comparar os resultados pode ajudá-lo a entender se as alterações estão impactando positivamente a qualidade ou ajudá-lo a solucionar problemas de mudança de comportamento.

Utilize a página de Experimentos do MLflow para comparar resultados entre diferentes execuções. Para acessar a página Experimento, clique no ícone Experiência na barra lateral direita do bloco de anotações ou clique nos links que aparecem nos resultados da célula do bloco de anotações em que você executou mlflow.evaluate().

Compare os resultados de cada solicitação entre execuções

Para comparar dados de cada solicitação individual entre execuções, clique no ícone de exibição de avaliação de artefato, mostrado na captura de tela a seguir. Uma tabela mostra cada pergunta do conjunto de avaliação. Use os menus suspensos para selecionar quais colunas ver. Clique em uma célula para exibir seu conteúdo completo.

Comparar resultados agregados entre execuções

Para comparar resultados agregados de uma execução ou entre diferentes execuções, clique no ícone de exibição de gráfico, mostrado na captura de tela a seguir. Isso permite visualizar os resultados agregados para a execução selecionada e comparar com execuções anteriores.

Que juízes estão a ser executados

Por padrão, para cada registro de avaliação, o Mosaic AI Agent Evaluation aplica o subconjunto de juízes que melhor corresponde às informações presentes no registro. Especificamente:

• Se o registro incluir uma resposta de verdade fundamental, a Avaliação do Agente aplicará os context_sufficiency, groundedness, correctness, safetye guideline_adherence juízes.
• Se o registro não incluir uma resposta de verdade fundamental, a Avaliação do Agente aplicará os juízes chunk_relevance, groundedness, relevance_to_query, safetye guideline_adherence.

Para mais pormenores, consulte:

• Executar um subconjunto de avaliadores incorporados
• A IA personalizada avalia
• Como a qualidade, o custo e a latência são avaliados pela Avaliação do Agente (MLflow 2)

Para obter informações sobre a confiança e segurança dos juízes de LLM, por favor consulte Informações sobre os modelos que suportam os juízes de LLM.

Exemplo: Como passar uma aplicação para avaliação pelo agente

Para passar uma aplicação para mlflow_evaluate(), use o argumento model. Existem 5 opções para transmitir uma aplicação no argumento model.

• Um modelo registrado no Unity Catalog.
• Um modelo registado no MLflow no experimento atual do MLflow.
• Um modelo PyFunc que é carregado no notebook.
• Uma função local no bloco de notas.
• Um ponto de extremidade de agente implantado.

Consulte as seções a seguir para obter exemplos de código que ilustram cada opção.

Opção 1. Modelo registrado no Catálogo Unity

%pip install databricks-agents pandas
dbutils.library.restartPython()

import mlflow
import pandas as pd

evaluation_results = mlflow.evaluate(
    data=eval_set_df,  # pandas DataFrame with just the evaluation set
    model = "models:/catalog.schema.model_name/1"  # 1 is the version number
    model_type="databricks-agent",
)

Opção 2. Modelo registado no MLflow no experimento atual do MLflow

%pip install databricks-agents pandas
dbutils.library.restartPython()

import mlflow
import pandas as pd

# In the following lines, `6b69501828264f9s9a64eff825371711` is the run_id, and `chain` is the artifact_path that was
# passed with mlflow.xxx.log_model(...).
# If you called model_info = mlflow.langchain.log_model() or mlflow.pyfunc.log_model(), you can access this value using `model_info.model_uri`.
evaluation_results = mlflow.evaluate(
    data=eval_set_df,  # pandas DataFrame with just the evaluation set
    model = "runs:/6b69501828264f9s9a64eff825371711/chain"
    model_type="databricks-agent",
)

Opção 3. Modelo PyFunc carregado no notebook

%pip install databricks-agents pandas
dbutils.library.restartPython()

import mlflow
import pandas as pd

evaluation_results = mlflow.evaluate(
    data=eval_set_df,  # pandas DataFrame with just the evaluation set
    model = mlflow.pyfunc.load_model(...)
    model_type="databricks-agent",
)

Opção 4. Função local no bloco de notas

A função recebe uma entrada formatada da seguinte forma:

{
  "messages": [
    {
      "role": "user",
      "content": "What is MLflow?",
    }
  ],
  ...
}

A função deve retornar um valor em uma cadeia de caracteres simples ou em um dicionário serializável (por exemplo, Dict[str, Any]). Para obter melhores resultados com os juízes integrados, o Databricks recomenda o uso de um formato de bate-papo, como ChatCompletionResponse. Por exemplo:

{
  "choices": [
    {
      "message": {
        "role": "assistant",
        "content": "MLflow is a machine learning toolkit.",
      },
      ...
    }
  ],
  ...,
}

O exemplo a seguir usa uma função local para encapsular um ponto de extremidade do modelo de base e avaliá-lo:

  %pip install databricks-agents pandas
  dbutils.library.restartPython()

  import mlflow
  import pandas as pd

  def model(model_input):
    client = mlflow.deployments.get_deploy_client("databricks")
    return client.predict(endpoint="endpoints:/databricks-meta-llama-3-1-405b-instruct", inputs={"messages": model_input["messages"]})

  evaluation_results = mlflow.evaluate(
    data=eval_set_df,  # pandas DataFrame with just the evaluation set
    model = model
    model_type="databricks-agent",
  )

Opção 5. Endpoint do agente implantado

Essa opção só funciona se usar instâncias de agente que foram implantadas com databricks.agents.deploy e com a versão databricks-agents ou superior do SDK. Para modelos de base ou versões mais antigas do SDK, use a Opção 4 para envolver o modelo em uma função local.

%pip install databricks-agents pandas
dbutils.library.restartPython()

import mlflow
import pandas as pd

# In the following lines, `endpoint-name-of-your-agent` is the name of the agent endpoint.
evaluation_results = mlflow.evaluate(
    data=eval_set_df,  # pandas DataFrame with just the evaluation set
    model = "endpoints:/endpoint-name-of-your-agent"
    model_type="databricks-agent",
)

Como passar no conjunto de avaliação quando a aplicação é incluída na chamada mlflow_evaluate()

No código a seguir, data é um pandas DataFrame com o conjunto de dados de avaliação. Estes são exemplos simples. Consulte o esquema de entrada para mais detalhes.

# You do not have to start from a dictionary - you can use any existing pandas or Spark DataFrame with this schema.

# Minimal evaluation set
bare_minimum_eval_set_schema = [
    {
        "request": "What is the difference between reduceByKey and groupByKey in Spark?",
    }]

# Complete evaluation set
complete_eval_set_schema = [
    {
        "request_id": "your-request-id",
        "request": "What is the difference between reduceByKey and groupByKey in Spark?",
        "expected_retrieved_context": [
            {
                # In `expected_retrieved_context`, `content` is optional, and does not provide any additional functionality.
                "content": "Answer segment 1 related to What is the difference between reduceByKey and groupByKey in Spark?",
                "doc_uri": "doc_uri_2_1",
            },
            {
                "content": "Answer segment 2 related to What is the difference between reduceByKey and groupByKey in Spark?",
                "doc_uri": "doc_uri_2_2",
            },
        ],
        "expected_response": "There's no significant difference.",
    }]

# Convert dictionary to a pandas DataFrame
eval_set_df = pd.DataFrame(bare_minimum_eval_set_schema)

# Use a Spark DataFrame
import numpy as np
spark_df = spark.table("catalog.schema.table") # or any other way to get a Spark DataFrame
eval_set_df = spark_df.toPandas()

Exemplo: Como passar saídas geradas anteriormente para a Avaliação do Agente

Esta seção descreve como passar saídas geradas anteriormente na mlflow_evaluate() chamada. Para obter o esquema do conjunto de avaliação necessário, consulte Esquema de entrada de avaliação do agente (MLflow 2).

No código a seguir, data é um DataFrame pandas com o seu conjunto de avaliação e as saídas geradas pela aplicação. Estes são exemplos simples. Consulte o esquema de entrada para mais detalhes.

%pip install databricks-agents pandas
dbutils.library.restartPython()

import mlflow
import pandas as pd

evaluation_results = mlflow.evaluate(
    data=eval_set_with_app_outputs_df,  # pandas DataFrame with the evaluation set and application outputs
    model_type="databricks-agent",
)

# You do not have to start from a dictionary - you can use any existing pandas or Spark DataFrame with this schema.

# Minimum required input
bare_minimum_input_schema = [
    {
        "request": "What is the difference between reduceByKey and groupByKey in Spark?",
        "response": "reduceByKey aggregates data before shuffling, whereas groupByKey shuffles all data, making reduceByKey more efficient.",
    }]

# Input including optional arguments
complete_input_schema  = [
    {
        "request_id": "your-request-id",
        "request": "What is the difference between reduceByKey and groupByKey in Spark?",
        "expected_retrieved_context": [
            {
                # In `expected_retrieved_context`, `content` is optional, and does not provide any additional functionality.
                "content": "Answer segment 1 related to What is the difference between reduceByKey and groupByKey in Spark?",
                "doc_uri": "doc_uri_2_1",
            },
            {
                "content": "Answer segment 2 related to What is the difference between reduceByKey and groupByKey in Spark?",
                "doc_uri": "doc_uri_2_2",
            },
        ],
        "expected_response": "There's no significant difference.",
        "response": "reduceByKey aggregates data before shuffling, whereas groupByKey shuffles all data, making reduceByKey more efficient.",
        "retrieved_context": [
            {
                # In `retrieved_context`, `content` is optional. If provided, the Databricks Context Relevance LLM Judge is executed to check the `content`'s relevance to the `request`.
                "content": "reduceByKey reduces the amount of data shuffled by merging values before shuffling.",
                "doc_uri": "doc_uri_2_1",
            },
            {
                "content": "groupByKey may lead to inefficient data shuffling due to sending all values across the network.",
                "doc_uri": "doc_uri_6_extra",
            },
        ],
        # You can also just pass an array of guidelines directly to guidelines, but Databricks recommends naming them with a dictionary.
        "guidelines": {
            "english": ["The response must be in English"],
            "clarity": ["The response must be clear, coherent, and concise"],
        }
    }]

# Convert dictionary to a pandas DataFrame
eval_set_with_app_outputs_df = pd.DataFrame(bare_minimum_input_schema)

# Use a Spark DataFrame
import numpy as np
spark_df = spark.table("catalog.schema.table") # or any other way to get a Spark DataFrame
eval_set_with_app_outputs_df = spark_df.toPandas()

Exemplo: Use uma função personalizada para processar respostas do LangGraph

Os agentes LangGraph, especialmente aqueles com funcionalidade de chat, podem retornar várias mensagens para uma única chamada de inferência. É da responsabilidade do utilizador converter a resposta do agente para um formato suportado pela Avaliação do Agente.

Uma abordagem é usar uma função personalizada para processar a resposta. O exemplo a seguir mostra uma função personalizada que extrai a última mensagem de chat de um modelo LangGraph. Essa função é então usada em mlflow.evaluate() para retornar uma única resposta de cadeia de caracteres, que pode ser comparada à coluna ground_truth.

O código de exemplo faz as seguintes suposições:

• O modelo aceita entrada no formato {"messages": [{"role": "user", "content": "hello"}]}.
• O modelo retorna uma lista de cadeias de caracteres no formato ["resposta 1", "resposta 2"].

O código a seguir envia as respostas concatenadas ao juiz neste formato: "response 1nresponse2"

import mlflow
import pandas as pd
from typing import List

loaded_model = mlflow.langchain.load_model(model_uri)
eval_data = pd.DataFrame(
    {
        "inputs": [
            "What is MLflow?",
            "What is Spark?",
        ],
        "expected_response": [
            "MLflow is an open-source platform for managing the end-to-end machine learning (ML) lifecycle. It was developed by Databricks, a company that specializes in big data and machine learning solutions. MLflow is designed to address the challenges that data scientists and machine learning engineers face when developing, training, and deploying machine learning models.",
            "Apache Spark is an open-source, distributed computing system designed for big data processing and analytics. It was developed in response to limitations of the Hadoop MapReduce computing model, offering improvements in speed and ease of use. Spark provides libraries for various tasks such as data ingestion, processing, and analysis through its components like Spark SQL for structured data, Spark Streaming for real-time data processing, and MLlib for machine learning tasks",
        ],
    }
)

def custom_langgraph_wrapper(model_input):
    predictions = loaded_model.invoke({"messages": model_input["messages"]})
    # Assuming `predictions` is a list of strings
    return predictions.join("\n")

with mlflow.start_run() as run:
    results = mlflow.evaluate(
        custom_langgraph_wrapper,  # Pass the function defined above
        data=eval_data,
        model_type="databricks-agent",
    )

print(results.metrics)

Criar um painel com métricas

Quando você estiver iterando sobre a qualidade do seu agente, talvez queira compartilhar um painel com as partes interessadas que mostre como a qualidade melhorou ao longo do tempo. Você pode extrair as métricas de suas execuções de avaliação MLflow, salvar os valores em uma tabela Delta e criar um painel.

O exemplo a seguir mostra como extrair e salvar os valores de métrica da avaliação mais recente executada em seu bloco de anotações:

uc_catalog_name = "catalog"
uc_schema_name = "schema"
table_name = "results"

eval_results = mlflow.evaluate(
    model=logged_agent_info.model_uri, # use the logged Agent
    data=evaluation_set, # Run the logged Agent for all queries defined above
    model_type="databricks-agent", # use Agent Evaluation
)

# The `append_metrics_to_table function` is defined below
append_metrics_to_table("<identifier-for-table>", eval_results.metrics, f"{uc_catalog_name}.{uc_schema_name}.{table_name}")

O exemplo a seguir mostra como extrair e salvar valores de métrica para execuções anteriores que você salvou em seu experimento MLflow.

import pandas as pd

def get_mlflow_run(experiment_name, run_name):
  runs = mlflow.search_runs(experiment_names=[experiment_name], filter_string=f"run_name = '{run_name}'", output_format="list")

  if len(runs) != 1:
    raise ValueError(f"Found {len(runs)} runs with name {run_name}. {run_name} must identify a single run. Alternatively, you can adjust this code to search for a run based on `run_id`")

   return runs[0]

run = get_mlflow_run(experiment_name ="/Users/<user_name>/db_docs_mlflow_experiment", run_name="evaluation__2024-10-09_02:27:17_AM")

# The `append_metrics_to_table` function is defined below
append_metrics_to_table("<identifier-for-table>", run.data.metrics, f"{uc_catalog_name}.{uc_schema_name}.{table_name}")

Agora você pode criar um painel usando esses dados.

O código a seguir define a função append_metrics_to_table usada nos exemplos anteriores.

# Definition of `append_metrics_to_table`

def append_metrics_to_table(run_name, mlflow_metrics, delta_table_name):
  data = mlflow_metrics.copy()

  # Add identifying run_name and timestamp
  data["run_name"] = run_name
  data["timestamp"] = pd.Timestamp.now()

  # Remove metrics with error counts
  data = {k: v for k, v in mlflow_metrics.items() if "error_count" not in k}

  # Convert to a Spark DataFrame(
  metrics_df = pd.DataFrame([data])
  metrics_df_spark = spark.createDataFrame(metrics_df)

  # Append to the Delta table
  metrics_df_spark.write.mode("append").saveAsTable(delta_table_name)

Informações sobre os modelos que capacitam os juízes LLM

• Os juízes LLM podem usar serviços de terceiros para avaliar seus aplicativos GenAI, incluindo o Azure OpenAI operado pela Microsoft.
• Para o Azure OpenAI, o Databricks optou por não participar do Monitoramento de Abuso, portanto, nenhum prompt ou resposta é armazenado com o Azure OpenAI.
• Para os espaços de trabalho da União Europeia (UE), os juízes LLM utilizam modelos alojados na UE. Todas as outras regiões usam modelos hospedados nos EUA.
• A desativação das funcionalidades de IA suportadas por parceiros impede que o juiz LLM acione modelos suportados por parceiros. Você ainda pode usar juízes LLM fornecendo seu próprio modelo.
• Os juízes de LLM destinam-se a ajudar os clientes a avaliar seus agentes/aplicativos GenAI, e os resultados dos juízes de LLM não devem ser usados para treinar, melhorar ou ajustar um LLM.