130 lines
3.3 KiB
Markdown
130 lines
3.3 KiB
Markdown
# 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](https://modelscope.cn/datasets/AI-ModelScope/IQuiz/summary) |
|
||
| **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`
|
||
|
||
```json
|
||
{
|
||
"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：**
|
||
```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
|
||
|
||
### 使用命令行（CLI）
|
||
|
||
```bash
|
||
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
|
||
|
||
```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)
|
||
``` |