📘 概述

FineWebEduSampleEvaluator 是一个基于 Fineweb-Edu 分类器评估文本教育价值的算子。该算子利用预训练的序列分类模型，对输入文本进行打分（0-1之间），分数越高代表文本的教育价值越大。它主要适用于筛选和评估具有教育意义的文本内容。

__init__函数

def __init__(self, model_cache_dir: str = './dataflow_cache', device: str = 'cuda')

init参数说明

参数名	类型	默认值	说明
model_cache_dir	str	'./dataflow_cache'	模型缓存目录，用于存放下载的模型文件。
device	str	'cuda'	模型运行的设备，例如 'cuda' 或 'cpu'。

Prompt模板说明

Prompt 模板名称	主要用途	适用场景	特点说明

run函数

def run(self, storage: DataFlowStorage, input_key: str, output_key: str='FineWebEduScore')

参数

名称	类型	默认值	说明
storage	DataFlowStorage	必需	数据流存储实例，负责读取与写入数据。
input_key	str	必需	输入列名，对应待评估的文本字段。
output_key	str	'FineWebEduScore'	输出列名，对应生成的教育价值分数字段。

🧠 示例用法

from dataflow.operators.text_pt.eval import FineWebEduSampleEvaluator
from dataflow.utils.storage import FileStorage

# 准备数据和存储
storage = FileStorage(first_entry_file_name="pt_input.jsonl")

# 初始化并运行算子
fineweb_evaluator = FineWebEduSampleEvaluator()
fineweb_evaluator.run(
    storage.step(),
    input_key='raw_content',
    output_key='FinewebEduScore'
)

🧾 默认输出格式（Output Format）

字段	类型	说明
...	...	输入数据中的原始字段。
FineWebEduScore	float	模型生成的教育价值分数（0-1之间）。

示例输入：

{
  "raw_content": "AMICUS ANTHOLOGIES, PART ONE (1965-1972)\nFebruary 23, 2017 Alfred Eaker Leave a comment\nWith Dr. Terror's House of Horrors (1965, directed by Freddie Francis and written by Milton Subotsky) Amicus Productions (spearheaded by Subotsky and Max Rosenberg, who previously produced for Hammer and was a cousin to Doris Wishman) established itself as a vital competitor to Hammer Studios..."
}

示例输出：

{
  "raw_content": "AMICUS ANTHOLOGIES, PART ONE (1965-1972)\nFebruary 23, 2017 Alfred Eaker Leave a comment\nWith Dr. Terror's House of Horrors (1965, directed by Freddie Francis and written by Milton Subotsky) Amicus Productions (spearheaded by Subotsky and Max Rosenberg, who previously produced for Hammer and was a cousin to Doris Wishman) established itself as a vital competitor to Hammer Studios...",
  "FinewebEduScore": 1.5264956951
}