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

SIQA

概述

SIQA（Social Interaction QA）是一个用于评估社会常识智能的基准测试，旨在衡量模型对人类行为及其社会影响的理解能力。与侧重于物理知识的基准不同，SIQA 专注于对人类行为的推理。

任务描述

• 任务类型：社会常识推理
• 输入：包含社交情境的上下文、一个问题以及三个选项
• 输出：最符合社会规范的答案（A、B 或 C）
• 重点：人类行为、动机及其社会影响

主要特点

• 测试社会智能与情感理解能力
• 问题围绕人类行为及其后果展开
• 涵盖动机、反应和社会规范
• 包含超过 33,000 个众包问答对
• 需要对人类心理进行推理

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
• 在验证集（validation 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	siqa
数据集 ID	extraordinarylab/siqa
论文	N/A
标签	Commonsense, MCQ, Reasoning
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	1,954
提示词长度（平均）	289.05 字符
提示词长度（最小/最大）	242 / 509 字符

样例示例

子集: default

{
  "input": [
    {
      "id": "8d09aab2",
      "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.\n\nWhat does Tracy need to do before this?\n\nA) make a new plan\nB) Go home and see Riley\nC) Find somewhere to go"
    }
  ],
  "choices": [
    "make a new plan",
    "Go home and see Riley",
    "Find somewhere to go"
  ],
  "target": "C",
  "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 siqa \
    --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=['siqa'],
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)