7.2 KiB
7.2 KiB
C-Eval
概述
C-Eval 是一个全面的中文评估基准，旨在评估语言模型在中文语境下的知识与推理能力。该基准涵盖 52 个学科，范围从 STEM（科学、技术、工程和数学）到人文与社会科学，题目难度覆盖初中至专业资格考试水平。
任务描述
- 任务类型：多项选择题问答（中文）
- 输入：一道包含四个选项（A、B、C、D）的中文问题
- 输出：单个正确答案字母
- 学科分类：52 个学科，分为 4 大类（STEM、社会科学、人文学科、其他）
主要特点
- 共计 13,948 道多选题，覆盖 52 个学科
- 题目来源包括中国初中、高中、大学及专业资格考试
- 涵盖数学、物理、法律、医学等多个领域
- 验证集（validation split）题目附带解析
- 是中文语言模型评估的标准基准之一
评估说明
- 默认配置使用来自开发集（dev split）的 5-shot 示例
- 所有问题和提示均为中文
- 答案格式应为："答案：[LETTER]"
- 结果可按学科或大类进行汇总
- 可通过
subset_list参数指定评估特定学科
属性
| 属性 | 值 |
|---|---|
| 基准测试名称 | ceval |
| 数据集ID | evalscope/ceval |
| 论文 | N/A |
| 标签 | Chinese, Knowledge, MCQ |
| 指标 | acc |
| 默认示例数 | 5-shot |
| 评估集 | val |
| 训练集 | dev |
数据统计
| 指标 | 值 |
|---|---|
| 总样本数 | 1,346 |
| 提示词长度（平均） | 1643.61 字符 |
| 提示词长度（最小/最大） | 727 / 6605 字符 |
各子集统计数据：
| 子集 | 样本数 | 提示平均长度 | 提示最小长度 | 提示最大长度 |
|---|---|---|---|---|
computer_network |
19 | 1245.42 | 1201 | 1313 |
operating_system |
19 | 1216.16 | 1187 | 1282 |
computer_architecture |
21 | 1654.67 | 1622 | 1732 |
college_programming |
37 | 1745.03 | 1660 | 2189 |
college_physics |
19 | 2071.16 | 1986 | 2184 |
college_chemistry |
24 | 2152.96 | 2107 | 2291 |
advanced_mathematics |
19 | 6271.68 | 6130 | 6605 |
probability_and_statistics |
18 | 4700.39 | 4527 | 4987 |
discrete_mathematics |
16 | 1176.75 | 1104 | 1365 |
electrical_engineer |
37 | 1137.81 | 1093 | 1264 |
metrology_engineer |
24 | 1187.08 | 1140 | 1312 |
high_school_mathematics |
18 | 2749.11 | 2670 | 2894 |
high_school_physics |
19 | 1365 | 1263 | 1538 |
high_school_chemistry |
19 | 1625.79 | 1536 | 1739 |
high_school_biology |
19 | 1159.95 | 1103 | 1243 |
middle_school_mathematics |
19 | 2141.68 | 2054 | 2413 |
middle_school_biology |
21 | 1822.52 | 1769 | 1910 |
middle_school_physics |
19 | 1596.53 | 1544 | 1721 |
middle_school_chemistry |
20 | 1916.65 | 1857 | 2045 |
veterinary_medicine |
23 | 1254.04 | 1210 | 1350 |
college_economics |
55 | 1919.85 | 1863 | 2141 |
business_administration |
33 | 1608.52 | 1547 | 1754 |
marxism |
19 | 1061.32 | 1033 | 1104 |
mao_zedong_thought |
24 | 1485.62 | 1449 | 1545 |
education_science |
29 | 1369.24 | 1338 | 1444 |
teacher_qualification |
44 | 1516.55 | 1457 | 1638 |
high_school_politics |
19 | 2062 | 1955 | 2189 |
high_school_geography |
19 | 1059.53 | 1026 | 1216 |
middle_school_politics |
21 | 1653.24 | 1595 | 1714 |
middle_school_geography |
12 | 1063.58 | 1020 | 1143 |
modern_chinese_history |
23 | 1355.7 | 1313 | 1447 |
ideological_and_moral_cultivation |
19 | 760.21 | 727 | 830 |
logic |
22 | 2436.41 | 2358 | 2572 |
law |
24 | 1799.29 | 1729 | 1931 |
chinese_language_and_literature |
23 | 954.83 | 937 | 983 |
art_studies |
33 | 793.3 | 774 | 844 |
professional_tour_guide |
29 | 924.41 | 902 | 1004 |
legal_professional |
23 | 2856.17 | 2718 | 2978 |
high_school_chinese |
19 | 2295.79 | 2205 | 2418 |
high_school_history |
20 | 1221.9 | 1164 | 1300 |
middle_school_history |
22 | 1069.73 | 1034 | 1149 |
civil_servant |
47 | 1973 | 1849 | 2186 |
sports_science |
19 | 1810.26 | 1789 | 1874 |
plant_protection |
22 | 1678.09 | 1653 | 1745 |
basic_medicine |
19 | 938.05 | 920 | 976 |
clinical_medicine |
22 | 1119.41 | 1086 | 1209 |
urban_and_rural_planner |
46 | 1428.8 | 1373 | 1591 |
accountant |
49 | 1605.92 | 1511 | 1808 |
fire_engineer |
31 | 1240.81 | 1168 | 1402 |
environmental_impact_assessment_engineer |
31 | 1269.97 | 1209 | 1388 |
tax_accountant |
49 | 1970.65 | 1879 | 2099 |
physician |
49 | 1010.59 | 983 | 1065 |
样例示例
子集: computer_network
{
"input": [
{
"id": "73073a35",
"content": "以下是一些示例问题：\n\n问题：下列设备属于资源子网的是____。\n选项：\nA. 计算机软件\nB. 网桥\nC. 交换机\nD. 路由器\n解析：1. 首先，资源子网是指提供共享资源的网络，如打印机、文件服务器等。\r\n2. 其次，我们需要了解选项中设备的功能。网桥、交换机和路由器的主要功能是实现不同网络之间的通信和数据传输，是通信子网设备。而计算机软件可以提供共享资源的功能。\n答案：A\n\n问题：滑动窗口的作用是____。\n选项：\nA. 流量控制\nB. 拥塞控制\nC. 路由控制\nD. 差错 ... [TRUNCATED] ... Mbps，所以答案为min{80Mbps, 100Mbps}=80Mbps，选C。\n答案：C\n\n\n以下是中国关于计算机网络的单项选择题，请选出其中的正确答案。你的回答的最后一行应该是这样的格式：\"答案：[LETTER]\"（不带引号），其中 [LETTER] 是 A、B、C、D 中的一个。\n\n问题：使用位填充方法，以01111110为位首flag，数据为011011111111111111110010，求问传送时要添加几个0____\n选项：\nA. 1\nB. 2\nC. 3\nD. 4\n"
}
],
"choices": [
"1",
"2",
"3",
"4"
],
"target": "C",
"id": 0,
"group_id": 0,
"metadata": {
"id": 0,
"explanation": "",
"subject": "computer_network"
}
}
注：部分内容因展示需要已被截断。
提示模板
提示模板：
以下是中国关于{subject}的单项选择题，请选出对的选项。你的回答的最后一行应该是这样的格式："答案：[LETTER]"（不带引号），其中 [LETTER] 是 A、B、C、D 中的一个。
问题：{question}
选项：
{choices}
少样本（Few-shot）模板
以下是一些示例问题：
{fewshot}
使用方法
使用命令行（CLI）
evalscope eval \
--model YOUR_MODEL \
--api-url OPENAI_API_COMPAT_URL \
--api-key EMPTY_TOKEN \
--datasets ceval \
--limit 10 # 正式评估时请删除此行
使用 Python
from evalscope import run_task
from evalscope.config import TaskConfig
task_cfg = TaskConfig(
model='YOUR_MODEL',
api_url='OPENAI_API_COMPAT_URL',
api_key='EMPTY_TOKEN',
datasets=['ceval'],
dataset_args={
'ceval': {
# subset_list: ['computer_network', 'operating_system', 'computer_architecture'] # 可选，用于评估特定子集
}
},
limit=10, # 正式评估时请删除此行
)
run_task(task_cfg=task_cfg)