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

General-QA

概述

General-QA 是一个可自定义的问题回答基准测试，用于评估语言模型在开放式文本生成任务上的表现。它支持灵活的数据格式和可配置的评估指标。

任务描述

• 任务类型：开放式问答（Open-Ended Question Answering）
• 输入：问题（可选系统提示和对话历史）
• 输出：自由格式的文本答案
• 灵活性：通过本地文件支持自定义数据集

主要特性

• 灵活的输入格式（query/answer 或 messages 格式）
• 可选的系统提示支持
• BLEU 和 Rouge 评估指标
• 通过本地文件加载支持自定义数据集
• 可扩展以适用于多种问答场景

评估说明

• 默认配置使用 0-shot 评估
• 默认指标：BLEU、Rouge（以 Rouge-L-R 为主评分）
• 在 test 数据划分上进行评估
• 数据集格式请参见 用户指南

属性

属性	值
基准测试名称	general_qa
数据集ID	general_qa
论文	N/A
标签	Custom, QA
指标	BLEU, Rouge
默认示例数（Shots）	0-shot
评估数据划分	test

数据统计

统计数据不可用。

样例示例

样例示例不可用。

提示模板

提示模板：

请回答问题
{question}

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 general_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=['general_qa'],
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)