163 lines
6.1 KiB
Markdown
163 lines
6.1 KiB
Markdown
# CMMU
|
||
|
||
|
||
## 概述
|
||
|
||
CMMU 是一个新颖的中文多模态基准测试，旨在评估七个基础学科（数学、生物、物理、化学、地理、政治和历史）中的领域特定知识。该基准测试在中文教育背景下考察多模态理解能力。
|
||
|
||
## 任务描述
|
||
|
||
- **任务类型**：中文多模态教育问答
|
||
- **输入**：图像 + 中文问题
|
||
- **输出**：答案（单选、多选或填空）
|
||
- **语言**：中文
|
||
|
||
## 主要特点
|
||
|
||
- 覆盖七个基础学科
|
||
- 多种题型（单选、多选、填空）
|
||
- 中文 K-12 教育内容
|
||
- 考察领域特定的视觉推理能力
|
||
- 题目形式多样
|
||
|
||
## 评估说明
|
||
|
||
- 默认配置使用 **0-shot** 评估
|
||
- 在验证集（validation split）上进行评估
|
||
- 使用数值准确率（numeric accuracy）作为指标
|
||
- 使用思维链（Chain-of-thought）提示进行推理
|
||
|
||
|
||
## 属性
|
||
|
||
| 属性 | 值 |
|
||
|----------|-------|
|
||
| **基准测试名称** | `cmmu` |
|
||
| **数据集ID** | [evalscope/CMMU](https://modelscope.cn/datasets/evalscope/CMMU/summary) |
|
||
| **论文** | N/A |
|
||
| **标签** | `Knowledge`, `MCQ`, `MultiModal`, `QA` |
|
||
| **指标** | `acc` |
|
||
| **默认示例数** | 0-shot |
|
||
| **评估划分** | `val` |
|
||
|
||
|
||
## 数据统计
|
||
|
||
| 指标 | 值 |
|
||
|--------|-------|
|
||
| 总样本数 | 1,800 |
|
||
| 提示词长度（平均） | 282.54 字符 |
|
||
| 提示词长度（最小/最大） | 139 / 1404 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 |
|
||
|--------|---------|-------------|------------|------------|
|
||
| `biology` | 270 | 284.66 | 140 | 854 |
|
||
| `chemistry` | 265 | 343.22 | 143 | 1404 |
|
||
| `geography` | 257 | 252.8 | 149 | 697 |
|
||
| `history` | 174 | 226.12 | 139 | 545 |
|
||
| `math` | 387 | 277.11 | 149 | 714 |
|
||
| `physics` | 270 | 317.33 | 162 | 710 |
|
||
| `politics` | 177 | 245.96 | 154 | 740 |
|
||
|
||
**图像统计数据：**
|
||
|
||
| 指标 | 值 |
|
||
|--------|-------|
|
||
| 图像总数 | 1,800 |
|
||
| 每样本图像数 | 最小: 1, 最大: 1, 平均: 1 |
|
||
| 分辨率范围 | 121x20 - 2327x1809 |
|
||
| 图像格式 | gif, jpeg, png |
|
||
|
||
|
||
## 样例示例
|
||
|
||
**子集**: `biology`
|
||
|
||
```json
|
||
{
|
||
"input": [
|
||
{
|
||
"id": "17325c48",
|
||
"content": [
|
||
{
|
||
"text": "回答下面的多项选择题，请选出其中的所有正确答案。你的回答的最后一行应该是这样的格式：\"答案：[LETTERS]\"（不带引号），其中 [LETTERS] 是 A,B,C,D 中的一个或多个。请在回答前进行一步步思考。\n\n问题：如图是培育抗除草剂玉米的技术路线图，含有内含子的报告基因只能在真核生物中正确表达，其产物能催化无色物质K呈现蓝色。转化过程中愈伤组织表面常残留农杆菌，会导致未转化的愈伤组织可能在含除草剂的培养基中生长。下列相关叙述正确的是（ ）\n选项：\nA) 过程①用两种限制酶就可防止酶切产物自身环化\nB) 过程②用Ca2+处理可提高转化成功率\nC) 过程③应在培养基中加入除草剂和物质K\nD) 筛选得到的A是无农杆菌附着的转化愈伤组织\n"
|
||
},
|
||
{
|
||
"image": "[BASE64_IMAGE: png, ~34.9KB]"
|
||
}
|
||
]
|
||
}
|
||
],
|
||
"choices": [
|
||
"过程①用两种限制酶就可防止酶切产物自身环化",
|
||
"过程②用Ca2+处理可提高转化成功率",
|
||
"过程③应在培养基中加入除草剂和物质K",
|
||
"筛选得到的A是无农杆菌附着的转化愈伤组织"
|
||
],
|
||
"target": "BC",
|
||
"id": 0,
|
||
"group_id": 0,
|
||
"subset_key": "biology",
|
||
"metadata": {
|
||
"type": "multiple-response",
|
||
"grade_band": "high",
|
||
"difficulty": "hard",
|
||
"split": "val",
|
||
"subject": "biology",
|
||
"sub_questions": null,
|
||
"solution_info": "解：A、过程①要用两种特定的限制酶，切割出两个不同的黏性末端序列，从而防止酶切产物自身环化，A错误；B、农杆菌属于原核生物，所以过程②用Ca2+处理，使其成为感受态细胞，可提高转化成功率，B正确；C、根据题意可知，报告基因的产物能催化无色物质K呈现蓝色，而愈伤组织表面残留的农杆菌会导致未转化的愈伤组织能在含除草剂的培养基中生长，因此过程③应在培养基中加入除草剂和物质K，C正确；D、筛选得到的A是有农杆菌附着的转化愈伤组织，D错误。故选：BC。基因工程技术的基本步骤：（1）目的基因 ... [TRUNCATED] ... 入动物细胞最有效的方法是显微注射法；将目的基因导入微生物细胞的方法是感受态细胞法。（4）目的基因的检测与鉴定：分子水平上的检测：①检测转基因生物染色体的DNA是否插入目的基因--DNA分子杂交技术；②检测目的基因是否转录出了mRNA--分子杂交技术；③检测目的基因是否翻译成蛋白质--抗原-抗体杂交技术。个体水平上的鉴定：抗虫鉴定、抗病鉴定、活性鉴定等。本题考查基因工程的相关知识，要求考生识记基因工程的原理及操作步骤，掌握各操作步骤中需要注意的细节问题，能结合题图信息准确判断各项。",
|
||
"id": "biology_166"
|
||
}
|
||
}
|
||
```
|
||
|
||
*注：部分内容为显示需要已截断。*
|
||
|
||
## 提示模板
|
||
|
||
**提示模板：**
|
||
```text
|
||
回答下面的单项选择题，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 {letters} 中的一个。请在回答前进行一步步思考。
|
||
|
||
问题：{question}
|
||
选项：
|
||
{choices}
|
||
|
||
```
|
||
|
||
## 使用方法
|
||
|
||
### 使用 CLI
|
||
|
||
```bash
|
||
evalscope eval \
|
||
--model YOUR_MODEL \
|
||
--api-url OPENAI_API_COMPAT_URL \
|
||
--api-key EMPTY_TOKEN \
|
||
--datasets cmmu \
|
||
--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=['cmmu'],
|
||
dataset_args={
|
||
'cmmu': {
|
||
# subset_list: ['biology', 'chemistry', 'geography'] # 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)
|
||
``` |