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

DrivelologyBinaryClassification

概述

Drivelology 二分类任务评估模型识别“drivelology”的能力——这是一种独特的语言现象，其特征是“有深度的胡言乱语”。这类话语在句法上连贯，但在语用层面具有悖论性、情感负载性或修辞颠覆性。

任务描述

• 任务类型：二分类文本分类（是/否）
• 输入：待分类的文本样本
• 输出：若为 drivelology 则输出 "Yes"，否则输出 "No"
• 领域：语言学分析、幽默检测、语用学

主要特点

• 测试对多层次语言含义的理解能力
• 能区分“有深度的胡言乱语”、纯粹的胡言乱语和正常文本
• 需要上下文理解与情感洞察力
• 涵盖幽默、反讽、讽刺等检测
• 提供多个难度级别

评估说明

• 默认配置使用 0-shot 评估
• 评估指标：准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1 分数（F1-Score）
• 子集：binary-english-easy、binary-english-hard、binary-chinese-easy、binary-chinese-hard

属性

属性	值
基准测试名称	drivel_binary
数据集ID	extraordinarylab/drivel-hub
论文	N/A
标签	Yes/No
指标	accuracy, precision, recall, f1_score, yes_ratio
默认示例数量	0-shot
评估划分	test
聚合方式	f1

数据统计

指标	值
总样本数	1,200
提示词长度（平均）	1056.08 字符
提示词长度（最小/最大）	984 / 1449 字符

样例示例

子集: binary-classification

{
  "input": [
    {
      "id": "ddbda8da",
      "content": [
        {
          "text": "#Instruction#:\nClassify whether the given text is a Drivelology sample or not.\n\n#Definition#:\n- Drivelology: Statements that appear logically coherent but contain deeper, often paradoxical meanings.\nThese challenge conventional interpretation ... [TRUNCATED] ... ology.\n\n#Output Format#:\nYou should try your best to answer \"Yes\" if the given input text is Drivelology, otherwise specify \"No\".\nThe answer you give MUST be \"Yes\" or \"No\"\".\n\n#Input Text#: A: Name? B: Henry. A: Age? B: E-N-R-Y.\n#Your Answer#:"
        }
      ]
    }
  ],
  "target": "YES",
  "id": 0,
  "group_id": 0,
  "metadata": {
    "answer": "YES"
  }
}

注：部分内容因展示需要已被截断。

提示模板

提示模板：

{question}

少样本（Few-shot）模板

{question}

使用方法

使用 CLI

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

run_task(task_cfg=task_cfg)