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

RACE

概述

RACE（ReAding Comprehension from Examinations）是一个大规模阅读理解基准数据集，收集自中国初中和高中英语考试题目。该数据集用于测试综合阅读理解能力。

任务描述

• 任务类型：阅读理解（多项选择题）
• 输入：文章段落、问题及4个选项
• 输出：正确答案字母（A、B、C 或 D）
• 难度级别：初中和高中

主要特点

• 包含28,000+篇文章和100,000道问题
• 使用真实考试题目，确保难度的真实性
• 包含两个子集：middle（较简单）和 high（较难）
• 考察多种阅读理解技能（推理、词汇、主旨等）
• 文章主题和题型丰富多样

评估说明

• 默认配置使用 3-shot 示例
• 最大 few-shot 数量为3（受上下文长度限制）
• 使用思维链（Chain-of-Thought, CoT）提示方法
• 提供两个子集：high 和 middle
• 在测试集（test split）上进行评估

属性

属性	值
基准测试名称	race
数据集ID	evalscope/race
论文	N/A
标签	MCQ, Reasoning
指标	acc
默认示例数	3-shot
评估划分	test
训练划分	train

数据统计

指标	值
总样本数	4,934
提示词长度（平均）	7217.34 字符
提示词长度（最小/最大）	3685 / 11131 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
high	3,498	8279.47	6585	11131
middle	1,436	4630.07	3685	6032

样例示例

子集: high

{
  "input": [
    {
      "id": "706382e9",
      "content": "Here are some examples of how to answer similar questions:\n\nArticle:\nLast week I talked with some of my students about what they wanted to do after they graduated, and what kind of job prospects  they thought they had.\nGiven that I teach stud ... [TRUNCATED] ... I owe my life to her,\" said Nancy with tears.\nQuestion:\nWhat did Nancy try to do before she fell over?\n\nA) Measure the depth of the river\nB) Look for a fallen tree trunk\nC) Protect her cows from being drowned\nD) Run away from the flooded farm"
    }
  ],
  "choices": [
    "Measure the depth of the river",
    "Look for a fallen tree trunk",
    "Protect her cows from being drowned",
    "Run away from the flooded farm"
  ],
  "target": "C",
  "id": 0,
  "group_id": 0,
  "metadata": {
    "example_id": "high19432.txt"
  }
}

注：部分内容因展示需要已被截断。

提示模板

提示模板：

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 {letters}. Think step by step before answering.

{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 race \
    --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=['race'],
    dataset_args={
        'race': {
            # subset_list: ['high', 'middle']  # 可选，用于指定评估特定子集
        }
    },
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)