142 lines
3.5 KiB
Markdown
142 lines
3.5 KiB
Markdown
# ChartQA
|
||
|
||
|
||
## 概述
|
||
|
||
ChartQA 是一个用于评估模型在图表和数据可视化上问答能力的基准测试。它考察模型对各类图表（包括柱状图、折线图和饼图）的视觉推理与逻辑理解能力。
|
||
|
||
## 任务描述
|
||
|
||
- **任务类型**：图表问答（Chart Question Answering）
|
||
- **输入**：图表图像 + 自然语言问题
|
||
- **输出**：单个单词或数值答案
|
||
- **领域**：数据可视化、视觉推理、数值推理
|
||
|
||
## 主要特点
|
||
|
||
- 涵盖多种图表类型（柱状图、折线图、饼图、散点图）
|
||
- 包含人工编写和自动生成的测试问题
|
||
- 要求理解图表结构和数据关系
|
||
- 同时测试视觉信息提取与逻辑推理能力
|
||
- 问题难度从简单数据查询到复杂推理不等
|
||
|
||
## 评估说明
|
||
|
||
- 默认使用 **test** 数据划分，包含两个子集：
|
||
- `human_test`：人工编写的问题
|
||
- `augmented_test`：自动生成的问题
|
||
- 主要指标：**Relaxed Accuracy**（允许答案存在微小差异）
|
||
- 答案格式应为 "ANSWER: [ANSWER]"
|
||
- 数值答案允许存在舍入误差范围内的差异
|
||
|
||
|
||
## 属性
|
||
|
||
| 属性 | 值 |
|
||
|----------|-------|
|
||
| **基准测试名称** | `chartqa` |
|
||
| **数据集ID** | [lmms-lab/ChartQA](https://modelscope.cn/datasets/lmms-lab/ChartQA/summary) |
|
||
| **论文** | N/A |
|
||
| **标签** | `Knowledge`, `MultiModal`, `QA` |
|
||
| **指标** | `relaxed_acc` |
|
||
| **默认示例数** | 0-shot |
|
||
| **评估划分** | `test` |
|
||
|
||
|
||
## 数据统计
|
||
|
||
| 指标 | 值 |
|
||
|--------|-------|
|
||
| 总样本数 | 2,500 |
|
||
| 提示词长度（平均） | 224.33 字符 |
|
||
| 提示词长度（最小/最大） | 178 / 352 字符 |
|
||
|
||
**各子集统计：**
|
||
|
||
| 子集 | 样本数 | 提示词平均长度 | 提示词最小长度 | 提示词最大长度 |
|
||
|--------|---------|-------------|------------|------------|
|
||
| `human_test` | 1,250 | 220.17 | 178 | 352 |
|
||
| `augmented_test` | 1,250 | 228.49 | 186 | 293 |
|
||
|
||
**图像统计：**
|
||
|
||
| 指标 | 值 |
|
||
|--------|-------|
|
||
| 图像总数 | 2,500 |
|
||
| 每样本图像数 | 最小: 1, 最大: 1, 平均: 1 |
|
||
| 分辨率范围 | 184x326 - 800x1796 |
|
||
| 格式 | png |
|
||
|
||
|
||
## 样例示例
|
||
|
||
**子集**: `human_test`
|
||
|
||
```json
|
||
{
|
||
"input": [
|
||
{
|
||
"id": "c75439e0",
|
||
"content": [
|
||
{
|
||
"text": "\nHow many food item is shown in the bar graph?\n\nThe last line of your response should be of the form \"ANSWER: [ANSWER]\" (without quotes) where [ANSWER] is the a single word answer or number to the problem.\n"
|
||
},
|
||
{
|
||
"image": "[BASE64_IMAGE: png, ~42.9KB]"
|
||
}
|
||
]
|
||
}
|
||
],
|
||
"target": "14",
|
||
"id": 0,
|
||
"group_id": 0,
|
||
"subset_key": "human_test"
|
||
}
|
||
```
|
||
|
||
## 提示模板
|
||
|
||
**提示模板：**
|
||
```text
|
||
|
||
{question}
|
||
|
||
The last line of your response should be of the form "ANSWER: [ANSWER]" (without quotes) where [ANSWER] is the a single word answer or number to the problem.
|
||
|
||
```
|
||
|
||
|
||
## 使用方法
|
||
|
||
### 使用 CLI
|
||
|
||
```bash
|
||
evalscope eval \
|
||
--model YOUR_MODEL \
|
||
--api-url OPENAI_API_COMPAT_URL \
|
||
--api-key EMPTY_TOKEN \
|
||
--datasets chartqa \
|
||
--limit 10 # 正式评估时请删除此行
|
||
```
|
||
|
||
### 使用 Python
|
||
|
||
```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=['chartqa'],
|
||
dataset_args={
|
||
'chartqa': {
|
||
# subset_list: ['human_test', 'augmented_test'] # 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)
|
||
``` |