evalstone/evalscope/docs/zh/benchmarks/wmt24pp.md

WMT2024++

概述

WMT2024++ 是一个基于 WMT 2024 新闻翻译任务的综合性机器翻译基准测试。它支持以英语为源语言的 54 个语言对，可用于评估模型在多种目标语言上的翻译质量。

任务描述

• 任务类型：机器翻译
• 输入：带有翻译提示的英文源文本
• 输出：目标语言的翻译文本
• 语言对：54 个（英语到 54 种目标语言）

主要特性

• 广泛的多语言覆盖（54 种目标语言）
• 新闻领域文本，贴近实际应用场景
• 多种评估指标（BLEU、BERTScore、COMET）
• 标准化的提示模板，确保评估一致性
• 支持批量评分以提升效率

评估说明

• 默认配置使用 0-shot 评估
• 评估指标：BLEU、BERTScore（XLM-RoBERTa）、COMET（wmt22-comet-da）
• 在 test 划分上进行评估
• 应用语言特定的归一化处理
• COMET 指标需要安装 unbabel-comet 包
• 子集代表单个语言对（例如 en-zh_cn、en-de_de）

属性

属性	值
基准测试名称	wmt24pp
数据集ID	extraordinarylab/wmt24pp
论文	N/A
标签	MachineTranslation, MultiLingual
指标	bleu, bert_score, comet
默认示例数	0-shot
评估划分	test

数据统计

指标	值
总样本数	52,800
提示词长度（平均）	265.45 字符
提示词长度（最小/最大）	71 / 1047 字符

各子集统计数据：

子集	样本数	提示平均长度	提示最小长度	提示最大长度
en-ar_eg	960	263.26	75	1039
en-ar_sa	960	263.26	75	1039
en-bg_bg	960	269.26	81	1045
en-bn_in	960	265.26	77	1041
en-ca_es	960	265.26	77	1041
en-cs_cz	960	261.26	73	1037
en-da_dk	960	263.26	75	1039
en-de_de	960	263.26	75	1039
en-el_gr	960	261.26	73	1037
en-es_mx	960	265.26	77	1041
en-et_ee	960	267.26	79	1043
en-fa_ir	960	261.26	73	1037
en-fi_fi	960	265.26	77	1041
en-fil_ph	960	267.26	79	1043
en-fr_ca	960	263.26	75	1039
en-fr_fr	960	263.26	75	1039
en-gu_in	960	267.26	79	1043
en-he_il	960	263.26	75	1039
en-hi_in	960	261.26	73	1037
en-hr_hr	960	267.26	79	1043
en-hu_hu	960	269.26	81	1045
en-id_id	960	271.26	83	1047
en-is_is	960	269.26	81	1045
en-it_it	960	265.26	77	1041
en-ja_jp	960	267.26	79	1043
en-kn_in	960	265.26	77	1041
en-ko_kr	960	263.26	75	1039
en-lt_lt	960	271.26	83	1047
en-lv_lv	960	265.26	77	1041
en-ml_in	960	269.26	81	1045
en-mr_in	960	265.26	77	1041
en-nl_nl	960	261.26	73	1037
en-no_no	960	269.26	81	1045
en-pa_in	960	265.26	77	1041
en-pl_pl	960	263.26	75	1039
en-pt_br	960	271.26	83	1047
en-pt_pt	960	271.26	83	1047
en-ro_ro	960	267.26	79	1043
en-ru_ru	960	265.26	77	1041
en-sk_sk	960	263.26	75	1039
en-sl_si	960	269.26	81	1045
en-sr_rs	960	265.26	77	1041
en-sv_se	960	265.26	77	1041
en-sw_ke	960	265.26	77	1041
en-sw_tz	960	265.26	77	1041
en-ta_in	960	261.26	73	1037
en-te_in	960	263.26	75	1039
en-th_th	960	259.26	71	1035
en-tr_tr	960	265.26	77	1041
en-uk_ua	960	269.26	81	1045
en-ur_pk	960	259.26	71	1035
en-vi_vn	960	271.26	83	1047
en-zh_cn	960	267.26	79	1043
en-zh_tw	960	267.26	79	1043
en-zu_za	960	259.26	71	1035

样例示例

子集: en-ar_eg

{
  "input": [
    {
      "id": "557f3aa1",
      "content": [
        {
          "text": "Translate the following english sentence into arabic:\n\nenglish: Siso's depictions of land, water center new gallery exhibition\narabic:"
        }
      ]
    }
  ],
  "target": "رسومات سيسو عن الأرض والمية في معرضه الجديد",
  "id": 0,
  "group_id": 0,
  "subset_key": "en-ar_eg",
  "metadata": {
    "source_text": "Siso's depictions of land, water center new gallery exhibition",
    "target_text": "رسومات سيسو عن الأرض والمية في معرضه الجديد",
    "source_language": "en",
    "target_language": "ar_eg"
  }
}

提示模板

提示模板：

Translate the following {source_language} sentence into {target_language}:

{source_language}: {source_text}
{target_language}:

使用方法

使用 CLI

evalscope eval \
    --model YOUR_MODEL \
    --api-url OPENAI_API_COMPAT_URL \
    --api-key EMPTY_TOKEN \
    --datasets wmt24pp \
    --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=['wmt24pp'],
    dataset_args={
        'wmt24pp': {
            # subset_list: ['en-ar_eg', 'en-ar_sa', 'en-bg_bg']  # 可选，用于评估特定子集
        }
    },
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)