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

SciQ

概述

SciQ 是一个众包的科学考试题目数据集，涵盖物理、化学、生物及其他科学领域。大多数题目包含支持性的证据段落。

任务描述

• 任务类型：科学问答（多项选择题）
• 输入：一道包含 4 个选项的科学问题
• 输出：正确答案的字母（A、B、C 或 D）
• 领域：物理、化学、生物、地球科学等

主要特点

• 众包收集的科学考试题目
• 覆盖多个科学领域
• 提供支持性证据段落
• 考察科学知识与推理能力
• 适用于科学理解能力评估

评估说明

• 默认配置使用 0-shot 评估
• 使用简单的多项选择提示方式
• 在测试集（test split）上进行评估
• 使用简单准确率（accuracy）作为评估指标

属性

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

数据统计

指标	值
总样本数	1,000
提示词长度（平均）	322.68 字符
提示词长度（最小/最大）	244 / 505 字符

样例示例

子集: default

{
  "input": [
    {
      "id": "a30097af",
      "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.\n\nCompounds that are capable of accepting electrons, such as o 2 or f2, are called what?\n\nA) antioxidants\nB) Oxygen\nC) residues\nD) oxidants"
    }
  ],
  "choices": [
    "antioxidants",
    "Oxygen",
    "residues",
    "oxidants"
  ],
  "target": "D",
  "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 CLI

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

run_task(task_cfg=task_cfg)