EnterpriseRAG Bench Leaderboard

EnterpriseRAG Bench Leaderboard

在 EnterpriseRAG-Bench 上给检索增强生成系统排名，这个基准基于公司知识问题，并带有浏览问题和并排比较系统的标签页。适合选择 RAG 系统的团队。

由 onyx-dot-app 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：EnterpriseRAG Bench Leaderboard 是一个 Gradio 应用，在 EnterpriseRAG-Bench 上给 RAG 系统排名，这个基准围绕一家公司的内部知识。基础题库有 500 个问题，每个系统按它的回答打分。你可以在线打开，也可以构建并运行自己的副本。

适合谁：它适合正在比较检索增强生成系统、要把它们用在内部文档上的团队，也适合维护这个基准的人。

行业 | 谁在用 | 怎么用 | 例子
企业软件 | 平台团队 | 选定之前先比较各个 RAG 系统 | 打开排名表，看顺序
AI 研究 | 研究人员 | 研究各系统在不同问题类型上的表现 | 打开按系统的明细
质量保证 | 评估人员 | 对照标准答案检查每一条回答 | 逐题查看某个系统的回答
基准维护 | 维护者 | 把一个新系统加到榜单上 | 按新提交的步骤操作

如果你想从头做自己的评测，可以跳过它，因为这个应用展示的是在别处打好分的结果。

用在哪里：

• 浏览器：打开 Hugging Face 上这个 Space 的页面
• 你自己的 Windows、macOS 或 Linux 电脑上的 Docker
• 你自己电脑上的 Python，直接在本地运行

使用场景 | 谁用 | 得到什么
给系统排名 | 团队 | 按分数排序的系统表
检查某个系统 | 评估人员 | 它逐题的回答
比较两个系统 | 研究人员 | 它们并排的回答

如何设置：在线页面不需要准备任何东西。本地副本需要 Docker，或者 Python 加上 requirements.txt 里的包，另外还要 Python 和 pip 来获取文件。

• Docker，或者 Python 和 pip
• 直接运行时需要 requirements.txt 里的 Python 包
• Windows、macOS 或 Linux

1. 安装 Hugging Face hub 库。
2. 把 Space 的文件下载到名为 EnterpriseRAG-Bench-Leaderboard 的文件夹。
3. 进入该文件夹。
4. 构建 Docker 镜像。
5. 发布 7860 端口并运行容器，然后在浏览器里打开该端口。

pip install -U huggingface_hub
hf download onyx-dot-app/EnterpriseRAG-Bench-Leaderboard --repo-type space --local-dir EnterpriseRAG-Bench-Leaderboard
cd EnterpriseRAG-Bench-Leaderboard
docker build -t enterpriserag-bench-leaderboard .
docker run -it -p 7860:7860 enterpriserag-bench-leaderboard

如果不想用 Docker，就安装这些包并直接启动应用。它在 7860 端口提供服务。

pip install -r requirements.txt
python app.py

如何使用：打开页面，在各个标签页之间切换。

工具 | 作用
排行榜标签页 | 主表，按排名列出系统
提交概览标签页 | 按问题类型给出每个系统的明细
数据查看标签页 | 让你浏览问题、标准答案和事实
提交查看标签页 | 逐题显示某个系统的回答
并排标签页 | 把两个系统放在一起

要添加一个系统，把它的回答、结果和修正后的问题文件放进 data/raw_data，在 systems.yaml 里加一个显示名称，然后重新生成展示数据。

your_key: "Your System Display Name"

python transform_raw_data.py

示例：你打开排行榜标签页，看各系统的排名。然后你切换到并排标签页，对比两个系统怎么回答同一个问题。

新手与专家：先看排行榜标签页了解总体顺序，再打开数据查看页，读几个问题和它们的标准答案。

每个系统的文件共用一个简短的键，用小写字母和下划线书写。已经登记的键包括 bm25、langchain、ragflow、vertexai 和 weaviate_verba。转换脚本会从结果文件里找出系统，并检查每个必需的文件和映射是否存在。只有当 500 个问题都有有效且填满的记录时，新系统才应该上线，不要推送不完整的运行结果。final_display_data 下的文件是生成的，不应手动编辑。

原始文件放进 data/raw_data
在 systems.yaml 里添加显示名称
transform_raw_data.py 生成展示数据
Gradio 应用显示各个标签页

注意事项：

• 规模：基础题库有 500 个问题。
• 规则：不要发布不完整的运行结果。每条记录都需要有回答和填好的分数。
• License：mit。
• Cost to run：未提及。
• Data it reaches：仓库里自带的评测文件。记录提到一个数据集 EnterpriseRAG-Bench。

Hugging Face 上的数据（2026年11月13日）

• 点赞：40
• 构建方式：docker
• 许可证：mit

链接

• Space：https://huggingface.co/spaces/onyx-dot-app/EnterpriseRAG-Bench-Leaderboard
• 文件：https://huggingface.co/spaces/onyx-dot-app/EnterpriseRAG-Bench-Leaderboard/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。