如何对已经生成了的回答进行评估而不是使用模型重新跑

[AqualCross]

我曾使用alpaca-eval，并使用我的模型对alpaca-eval数据集上的每一条instruction生成对应的output，保存为jsonl文件，每个对象都只有instruction和output，然后可以使用alpaca，使用llm对两份json文件进行成对评估
我该如何在司南中利用这些jsonl文件快速地评估模型而不是重新生成，这很花费时间和算力