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

BioMixQA

概述

BioMixQA 是一个精心整理的生物医学问答数据集，旨在评估 AI 模型在生物医学知识与推理方面的能力。该数据集已被用于验证基于知识图谱的检索增强生成（KG-RAG）框架在不同大语言模型（LLMs）上的有效性。

任务描述

• 任务类型：生物医学多选题问答
• 输入：包含多个选项的生物医学问题
• 输出：正确答案对应的字母
• 领域：生物医学、医疗健康、生命科学

主要特点

• 问题来源于多样化的生物医学资源
• 考察对医学与生物学知识的理解能力
• 验证 RAG 框架在生物医学领域的有效性
• 采用多选题格式以实现标准化评估
• 适用于评估医疗健康领域的 AI 系统

评估说明

• 默认配置使用 0-shot 评估方式
• 使用简单准确率（accuracy）作为性能指标
• 在测试集（test split）上进行评估
• 未提供 few-shot 示例

属性

属性	值
基准测试名称	biomix_qa
数据集ID	extraordinarylab/biomix-qa
论文	N/A
标签	Knowledge, MCQ, Medical
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	306
提示词长度（平均）	344.93 字符
提示词长度（最小/最大）	316 / 393 字符

样例示例

子集: default

{
  "input": [
    {
      "id": "5e830918",
      "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.\n\nOut of the given list, which Gene is associated with head and neck cancer and uveal melanoma.\n\nA) ABO\nB) CACNA2D1\nC) PSCA\nD) TERT\nE) SULT1B1"
    }
  ],
  "choices": [
    "ABO",
    "CACNA2D1",
    "PSCA",
    "TERT",
    "SULT1B1"
  ],
  "target": "B",
  "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 biomix_qa \
    --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=['biomix_qa'],
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)