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

QASC

概述

QASC（Question Answering via Sentence Composition，基于句子组合的问题回答）是一个专注于多跳句子组合的问题回答数据集。它包含 9,980 个面向小学科学的 8 选 1 多项选择题，要求模型组合多个事实才能得出正确答案。

任务描述

• 任务类型：多跳科学问答（多项选择）
• 输入：包含 8 个选项的科学问题
• 输出：正确答案对应的字母
• 重点：句子组合与多跳推理

主要特点

• 包含 9,980 个小学科学问题
• 采用 8 选 1 的多项选择格式
• 需要组合两个事实才能作答
• 测试模型在科学知识上的多跳推理能力
• 每个问题均标注了支持性事实

评估说明

• 默认配置使用 0-shot 评估
• 在验证集（validation split）上进行评估
• 使用简单准确率（accuracy）作为评估指标
• 适用于评估组合推理能力

属性

属性	值
基准测试名称	qasc
数据集ID	extraordinarylab/qasc
论文	N/A
标签	Knowledge, MCQ
指标	acc
默认示例数量	0-shot
评估划分	validation

数据统计

指标	值
总样本数	926
提示词长度（平均）	362.58 字符
提示词长度（最小/最大）	283 / 505 字符

样例示例

子集: default

{
  "input": [
    {
      "id": "d92a545e",
      "content": "Answer the following multiple choice question. The entire content of your response should be of the following format: 'ANSWER: [LETTER]' (without quotes) where [LETTER] is one of A,B,C,D,E,F,G,H.\n\nClimate is generally described in terms of what?\n\nA) sand\nB) occurs over a wide range\nC) forests\nD) Global warming\nE) rapid changes occur\nF) local weather conditions\nG) measure of motion\nH) city life"
    }
  ],
  "choices": [
    "sand",
    "occurs over a wide range",
    "forests",
    "Global warming",
    "rapid changes occur",
    "local weather conditions",
    "measure of motion",
    "city life"
  ],
  "target": "F",
  "id": 0,
  "group_id": 0,
  "metadata": {}
}

提示模板

提示模板：

Answer the following multiple choice question. The entire content of your response should be of the following format: 'ANSWER: [LETTER]' (without quotes) where [LETTER] is one of {letters}.

{question}

{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 qasc \
    --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=['qasc'],
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)