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

MMAU

概述

MMAU（Massive Multitask Audio Understanding，大规模多任务音频理解）是一个综合性基准测试，用于评估多模态大语言模型在多种音频任务上的音频理解能力。

任务描述

• 任务类型：音频理解（多项选择题）
• 输入：包含多项选择题的音频录音
• 输出：正确答案选项（A/B/C/D）
• 类别：语音、声音、音乐

主要特性

• 大规模音频理解基准测试
• 覆盖多个音频领域（语音、环境声音、音乐）
• 四选项多项选择题格式
• 包含 mini 和完整测试集
• 提供按类别的准确率报告

评估说明

• 默认配置使用 test_mini 划分
• 主要指标：准确率（预测字母的精确匹配）
• 报告整体准确率和各任务类别的准确率
• 提示词中包含思维链（chain-of-thought）指令

属性

属性	值
基准测试名称	mmau
数据集ID	lmms-lab/mmau
论文	N/A
标签	Audio, MCQ
指标	acc
默认示例数	0-shot
评估划分	test_mini

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：

根据音频内容回答以下多项选择题。你的回复最后一行应采用如下格式：'ANSWER: [LETTER]'（不含引号），其中 [LETTER] 是 {letters} 中的一个。回答前请逐步思考。

{question}

{choices}

使用方法

使用 CLI

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

run_task(task_cfg=task_cfg)