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

IQuiz

概述

IQuiz 是一个中文基准测试，用于评估 AI 模型在智商（IQ）和情商（EQ）问题上的表现。它通过多项选择题来测试逻辑推理、模式识别以及社会情感理解能力。

任务描述

• 任务类型：多项选择题问答
• 输入：中文问题及多个选项
• 输出：所选答案及解释（思维链，Chain-of-Thought）
• 语言：中文

主要特点

• 同时评估 IQ 和 EQ 能力
• 中文认知能力测评
• 多种难度级别
• 要求在选择答案的同时提供解释
• 测试逻辑推理与情感理解能力

评估说明

• 默认配置使用 0-shot 评估
• 主要指标：准确率（Accuracy）
• 子集：IQ（逻辑推理）和 EQ（情感智能）
• 使用中文思维链（Chain-of-Thought）提示模板
• 在 test 数据划分上进行评估
• 元数据包含难度级别信息

属性

属性	值
基准测试名称	iquiz
数据集 ID	AI-ModelScope/IQuiz
论文	N/A
标签	Chinese, Knowledge, MCQ
指标	acc
默认示例数	0-shot
评估数据划分	test

数据统计

指标	值
总样本数	120
提示词长度（平均）	248.31 字符
提示词长度（最小/最大）	146 / 394 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
IQ	40	194.5	146	323
EQ	80	275.21	219	394

样例示例

子集: IQ

{
  "input": [
    {
      "id": "748f2700",
      "content": "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 A,B,C,D 中的一个。请在回答前进行一步步思考。\n\n问题：天气预报说本周星期三会下雨，昨天果然下雨了，今天星期几？\n选项：\nA) 星期一\nB) 星期二\nC) 星期三\nD) 星期四\n"
    }
  ],
  "choices": [
    "星期一",
    "星期二",
    "星期三",
    "星期四"
  ],
  "target": "D",
  "id": 0,
  "group_id": 0,
  "metadata": {
    "level": 1
  }
}

提示模板

提示模板：

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

使用命令行（CLI）

evalscope eval \
    --model YOUR_MODEL \
    --api-url OPENAI_API_COMPAT_URL \
    --api-key EMPTY_TOKEN \
    --datasets iquiz \
    --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=['iquiz'],
    dataset_args={
        'iquiz': {
            # subset_list: ['IQ', 'EQ']  # 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)