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

General-VQA

概述

General-VQA 是一个可自定义的视觉问答（Visual Question Answering）基准测试，用于评估多模态模型。
它支持 OpenAI 兼容的消息格式，并允许灵活的图像/视频输入方式（本地路径、URL 或 base64 编码）。

任务描述

• 任务类型：视觉问答（Visual Question Answering）
• 输入：图像/视频 + 以 OpenAI 聊天格式表示的问题
• 输出：自由格式的文本答案
• 灵活性：通过 TSV/JSONL 文件支持自定义数据集

主要特性

• OpenAI 兼容的消息格式
• 支持多种图像/视频输入方式（路径、URL、base64）
• 使用 BLEU 和 Rouge 指标进行灵活评估
• 通过本地文件加载支持自定义数据集
• 可扩展以适用于各种 VQA 应用场景

评估说明

• 默认配置使用 0-shot 评估
• 默认指标：BLEU、Rouge（以 Rouge-L-R 为主要得分）
• 在 test 数据划分上进行评估
• 数据集格式详见 用户指南

属性

属性	值
基准测试名称	general_vqa
数据集ID	general_vqa
论文	N/A
标签	Custom, MultiModal, QA
指标	BLEU, Rouge
默认示例数（Shots）	0-shot
评估数据划分	test

数据统计

统计数据不可用。

样例示例

样例示例不可用。

提示模板

未定义提示模板。

使用方法

使用 CLI

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

run_task(task_cfg=task_cfg)