3.2 KiB
3.2 KiB
DrivelologyBinaryClassification
概述
Drivelology 二分类任务评估模型识别“drivelology”的能力——这是一种独特的语言现象，其特征是“有深度的胡言乱语”。这类话语在句法上连贯，但在语用层面具有悖论性、情感负载性或修辞颠覆性。
任务描述
- 任务类型：二分类文本分类（是/否）
- 输入：待分类的文本样本
- 输出：若为 drivelology 则输出 "Yes"，否则输出 "No"
- 领域：语言学分析、幽默检测、语用学
主要特点
- 测试对多层次语言含义的理解能力
- 能区分“有深度的胡言乱语”、纯粹的胡言乱语和正常文本
- 需要上下文理解与情感洞察力
- 涵盖幽默、反讽、讽刺等检测
- 提供多个难度级别
评估说明
- 默认配置使用 0-shot 评估
- 评估指标：准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1 分数（F1-Score）
- 子集：binary-english-easy、binary-english-hard、binary-chinese-easy、binary-chinese-hard
属性
| 属性 | 值 |
|---|---|
| 基准测试名称 | drivel_binary |
| 数据集ID | extraordinarylab/drivel-hub |
| 论文 | N/A |
| 标签 | Yes/No |
| 指标 | accuracy, precision, recall, f1_score, yes_ratio |
| 默认示例数量 | 0-shot |
| 评估划分 | test |
| 聚合方式 | f1 |
数据统计
| 指标 | 值 |
|---|---|
| 总样本数 | 1,200 |
| 提示词长度（平均） | 1056.08 字符 |
| 提示词长度（最小/最大） | 984 / 1449 字符 |
样例示例
子集: binary-classification
{
"input": [
{
"id": "ddbda8da",
"content": [
{
"text": "#Instruction#:\nClassify whether the given text is a Drivelology sample or not.\n\n#Definition#:\n- Drivelology: Statements that appear logically coherent but contain deeper, often paradoxical meanings.\nThese challenge conventional interpretation ... [TRUNCATED] ... ology.\n\n#Output Format#:\nYou should try your best to answer \"Yes\" if the given input text is Drivelology, otherwise specify \"No\".\nThe answer you give MUST be \"Yes\" or \"No\"\".\n\n#Input Text#: A: Name? B: Henry. A: Age? B: E-N-R-Y.\n#Your Answer#:"
}
]
}
],
"target": "YES",
"id": 0,
"group_id": 0,
"metadata": {
"answer": "YES"
}
}
注：部分内容因展示需要已被截断。
提示模板
提示模板：
{question}
少样本（Few-shot）模板
{question}
使用方法
使用 CLI
evalscope eval \
--model YOUR_MODEL \
--api-url OPENAI_API_COMPAT_URL \
--api-key EMPTY_TOKEN \
--datasets drivel_binary \
--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=['drivel_binary'],
limit=10, # 正式评估时请删除此行
)
run_task(task_cfg=task_cfg)