查询评测结果
更新时间:2026-11-04
接口描述
查询评测结果。任务运行期间结果文件每隔一段时间刷新一次,可以拿到各评测集的进度;任务成功后返回最终评分和每个任务的明细。
权限说明
需要对该任务的查看权限。
请求结构
Plain Text
1GET /?action=DescribeEmbodiedEvalResult&evalId={evalId}
2Host: aihc.bj.baidubce.com
3Authorization: {authorization}
4version: v2
请求头域
除公共头域外,无其它特殊头域。
请求参数
| 参数名称 | 类型 | 是否必须 | 参数位置 | 说明 |
|---|---|---|---|---|
evalId |
String | 是 | Query参数 | 评测任务 ID |
响应头域
除公共头域外,无其它特殊头域。
响应参数
| 参数名称 | 类型 | 说明 |
|---|---|---|
requestId |
String | 请求 ID |
evalId |
String | 评测任务 ID |
result |
EvalResult | 评测结果。结果文件还没有产出时为 null |
请求示例
Bash
1python3 call_eval.py GET DescribeEmbodiedEvalResult evalId=em-6o004i76d88e
响应示例
JSON
1{
2 "requestId": "6e7f8091-a2b3-4c45-de6f-7a8b9c0d1e2f",
3 "evalId": "em-6o004i76d88e",
4 "result": {
5 "version": "1",
6 "job_id": "job-a1b2c3d4e5f6",
7 "started_at": "2026-11-04T02:01:05Z",
8 "finished_at": "2026-11-04T02:43:02Z",
9 "video_summary": {"enabled": true, "total": 100, "ready": 100, "failed": 0},
10 "benchmarks": [
11 {
12 "id": "libero-libero_spatial",
13 "name": "libero",
14 "sub_bench": "libero_spatial",
15 "status": "succeeded",
16 "progress": {"completed_episodes": 100, "total_episodes": 100, "num_errors": 0, "num_timeouts": 3},
17 "config": {
18 "mode": "sync", "num_shards": 1, "episodes_per_task": 10, "max_steps": 220, "max_tasks": null, "tasks": null,
19 "chunk_size": 1,
20 "params": {"seed": 7, "num_steps_wait": 10, "absolute_action": false, "max_steps": null, "env_seed": null, "suite": "libero_spatial"}
21 },
22 "metrics": {"mean_success": 0.84, "num_tasks": 10},
23 "details": {
24 "tasks": [
25 {
26 "task": "pick up the black bowl between the plate and the ramekin and place it on the plate",
27 "mean_success": 0.9,
28 "avg_steps": 132.4,
29 "num_episodes": 10,
30 "num_errors": 0,
31 "num_timeouts": 0,
32 "videos": [
33 {"video_id": "v-ZW0tNm8wMDRpNzZkODhlL3ZpZGVvcy9saWJlcm8tbGliZXJvX3NwYXRpYWwvc2hhcmQwL3Rhc2swMDAwX2VwMDAwMC5tcDQ", "episode_index": 0, "success": true, "state": "ready"}
34 ]
35 }
36 ]
37 }
38 }
39 ]
40 }
41}
示例里只列出了一个任务和一个视频,实际返回包含全部任务。
注意事项
- 任务成功前
result可能是null,也可能是运行中的进度快照(benchmarks[].metrics、details为null,finished_at为null)。以任务状态为Succeeded后取到的结果为准。 - 部分分片失败时,任务仍可能成功结束,对应评测集的
status为partial,评分只统计成功跑完的分片,使用前请检查。 result内部字段随评测集变化,本文只保证 EvalResult 中列出的字段。
错误码
| HTTP 状态码 | code | 场景 |
|---|---|---|
| 400 | InvalidParameter |
没有传 evalId |
| 403 | Forbidden |
没有查看权限,或任务已成功但结果文件读取被拒绝 |
| 404 | NotFound |
任务不存在;或任务已成功但结果文件不存在 |
| 500 | InternalError |
任务已成功但没有结果路径 |
评价此篇文章
