151 lines
3.9 KiB
Markdown
151 lines
3.9 KiB
Markdown
# MathVision
|
||
|
||
## 概述
|
||
|
||
MATH-Vision（MATH-V）是一个精心整理的数据集，包含3,040道高质量的数学问题，这些问题均来自真实的数学竞赛，并配有视觉上下文（如图表、图形等），用于评估多模态环境下的数学推理能力。
|
||
|
||
## 任务描述
|
||
|
||
- **任务类型**：视觉数学推理
|
||
- **输入**：带有视觉上下文（图示、图形、图表）的数学问题
|
||
- **输出**：数值答案或选项字母
|
||
- **领域**：包含视觉元素的竞赛数学
|
||
|
||
## 主要特点
|
||
|
||
- 问题源自真实的数学竞赛
|
||
- 包含3,040道高质量、带视觉上下文的问题
|
||
- 划分为五个难度等级（1-5），便于细粒度分析
|
||
- 支持多项选择题和自由作答两种形式
|
||
- 提供详细的参考解答
|
||
|
||
## 评估说明
|
||
|
||
- 默认使用 **test** 数据划分进行评估
|
||
- 按难度划分子集：`level 1` 至 `level 5`
|
||
- 主要评估指标：**准确率（Accuracy）**，采用数值比较方式
|
||
- 自由作答题答案需使用 \boxed{} 格式（不含单位）
|
||
- 多项选择题采用思维链（CoT）提示，答案为选项字母
|
||
|
||
## 属性
|
||
|
||
| 属性 | 值 |
|
||
|----------|-------|
|
||
| **基准测试名称** | `math_vision` |
|
||
| **数据集ID** | [evalscope/MathVision](https://modelscope.cn/datasets/evalscope/MathVision/summary) |
|
||
| **论文** | N/A |
|
||
| **标签** | `MCQ`, `Math`, `MultiModal`, `Reasoning` |
|
||
| **指标** | `acc` |
|
||
| **默认示例数** | 0-shot |
|
||
| **评估划分** | `test` |
|
||
|
||
## 数据统计
|
||
|
||
| 指标 | 值 |
|
||
|--------|-------|
|
||
| 总样本数 | 3,040 |
|
||
| 提示词长度（平均） | 423.91 字符 |
|
||
| 提示词长度（最小/最大） | 93 / 1581 字符 |
|
||
|
||
**各子集统计信息：**
|
||
|
||
| 子集 | 样本数 | 提示平均长度 | 提示最小长度 | 提示最大长度 |
|
||
|--------|---------|-------------|------------|------------|
|
||
| `level 1` | 237 | 357.8 | 133 | 854 |
|
||
| `level 2` | 738 | 397.17 | 127 | 885 |
|
||
| `level 3` | 551 | 433.46 | 93 | 1402 |
|
||
| `level 4` | 830 | 434.51 | 134 | 946 |
|
||
| `level 5` | 684 | 455.12 | 129 | 1581 |
|
||
|
||
**图像统计信息：**
|
||
|
||
| 指标 | 值 |
|
||
|--------|-------|
|
||
| 图像总数 | 3,040 |
|
||
| 每样本图像数 | 最小: 1, 最大: 1, 平均: 1 |
|
||
| 分辨率范围 | 54x40 - 2520x8526 |
|
||
| 图像格式 | jpeg |
|
||
|
||
## 样例示例
|
||
|
||
**子集**: `level 1`
|
||
|
||
```json
|
||
{
|
||
"input": [
|
||
{
|
||
"id": "606d1e5a",
|
||
"content": [
|
||
{
|
||
"text": "Answer the following multiple choice question. The last line of your response should be of the following format: 'ANSWER: [LETTER]' (without quotes) where [LETTER] is one of A,B,C,D,E. Think step by step before answering.\n\nWhich kite has the longest string?\n<image1>\n\nA) A\nB) B\nC) C\nD) D\nE) E"
|
||
},
|
||
{
|
||
"image": "[BASE64_IMAGE: jpg, ~38.6KB]"
|
||
}
|
||
]
|
||
}
|
||
],
|
||
"choices": [
|
||
"A",
|
||
"B",
|
||
"C",
|
||
"D",
|
||
"E"
|
||
],
|
||
"target": "C",
|
||
"id": 0,
|
||
"group_id": 0,
|
||
"subset_key": "level 1",
|
||
"metadata": {
|
||
"id": "3",
|
||
"image": "images/3.jpg",
|
||
"solution": null,
|
||
"level": 1,
|
||
"question_type": "multi_choice",
|
||
"subject": "metric geometry - length"
|
||
}
|
||
}
|
||
```
|
||
|
||
## 提示模板
|
||
|
||
**提示模板：**
|
||
```text
|
||
{question}
|
||
Please reason step by step, and put your final answer within \boxed{{}} without units.
|
||
```
|
||
|
||
## 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 math_vision \
|
||
--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=['math_vision'],
|
||
dataset_args={
|
||
'math_vision': {
|
||
# subset_list: ['level 1', 'level 2', 'level 3'] # 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)
|
||
``` |