evalstone/evalscope/docs/zh/benchmarks/commonsense_qa.md

CommonsenseQA

概述

CommonsenseQA 是一个用于评估 AI 模型回答需要常识推理问题能力的基准测试。这些问题旨在考察模型是否具备问题中未明确说明的背景常识知识。

任务描述

• 任务类型：多项选择常识推理
• 输入：包含 5 个选项、需要常识知识的问题
• 输出：正确答案的字母（A-E）
• 重点：世界知识与常识推理

主要特点

• 问题基于 ConceptNet 知识图谱生成
• 需要多种类型的常识知识
• 每个问题提供 5 个选项
• 测试对日常概念及其关系的推理能力
• 所有问题均经过人工验证

评估说明

• 默认配置使用 0-shot 评估
• 使用简单的多项选择提示方式
• 在验证集（validation split）上进行评估
• 使用简单准确率（accuracy）作为评估指标

属性

属性	值
基准测试名称	commonsense_qa
数据集 ID	extraordinarylab/commonsense-qa
论文	N/A
标签	Commonsense, MCQ, Reasoning
指标	acc
默认示例数	0-shot
评估划分	validation

数据统计

指标	值
总样本数	1,221
提示词长度（平均）	326.11 字符
提示词长度（最小/最大）	257 / 537 字符

样例示例

子集: default

{
  "input": [
    {
      "id": "c9b96cfc",
      "content": "Answer the following multiple choice question. The entire content of your response should be of the following format: 'ANSWER: [LETTER]' (without quotes) where [LETTER] is one of A,B,C,D,E.\n\nA revolving door is convenient for two direction travel, but it also serves as a security measure at a what?\n\nA) bank\nB) library\nC) department store\nD) mall\nE) new york"
    }
  ],
  "choices": [
    "bank",
    "library",
    "department store",
    "mall",
    "new york"
  ],
  "target": "A",
  "id": 0,
  "group_id": 0,
  "metadata": {}
}

提示模板

提示模板：

Answer the following multiple choice question. The entire content of your response should be of the following format: 'ANSWER: [LETTER]' (without quotes) where [LETTER] is one of {letters}.

{question}

{choices}

使用方法

使用 CLI

evalscope eval \
    --model YOUR_MODEL \
    --api-url OPENAI_API_COMPAT_URL \
    --api-key EMPTY_TOKEN \
    --datasets commonsense_qa \
    --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=['commonsense_qa'],
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)