91 lines
2.1 KiB
Markdown
91 lines
2.1 KiB
Markdown
# 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](https://modelscope.cn/datasets/lmms-lab/mmau/summary) |
|
||
| **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：**
|
||
```text
|
||
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
|
||
|
||
```bash
|
||
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
|
||
|
||
```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)
|
||
``` |