sora 13274243a0 Bump vendored EvalScope and add K3-ready DPV4 configs.

Keep K3 suite selection and report-schema scoring in bash, merge K3/vision dataset_args into dpv4 yamls, and pin EvalScope at 735d920ee911 with local patches.

Co-authored-by: Cursor <cursoragent@cursor.com>

2026-09-02 07:30:48 +00:00

3.7 KiB

Raw Blame History

Sanskriti

概述

Sanskriti 是一个多项选择题基准测试，用于评估对印度各邦文化、历史和地理知识的掌握情况。题目基于各邦特有的属性（如艺术、美食、节日等）构建，答案均参考维基百科。该适配器加载的是 SANSKRITI 论文（arXiv:2506.15355）中所用数据集在 ModelScope 上的镜像版本 evalscope/Sanskriti。

任务描述

任务类型：多项选择题问答（Multiple-Choice Trivia Question Answering）
输入：一道关于特定印度邦文化/地理/历史的问题，附带 4 个选项
输出：正确答案对应的字母（A/B/C/D）
子集：association（邦与属性关联类题目）、country（国家层面常识题）、gk（通用知识题）、states（邦识别类题目）

评估说明

默认配置采用 0-shot 评估方式（尽管上游数据集中该部分被命名为 train，但实际为评估数据）
问题和选项均为英文
论文指出部分题目涉及的文化元素存在模糊性；加载时会跳过少量（约 0.6%）答案字段与四个选项均不匹配的样本

属性

属性	值
基准测试名称	`sanskriti`
数据集ID	evalscope/Sanskriti
论文	N/A
标签	`Knowledge`, `MCQ`
指标	`accuracy`
默认示例数	0-shot
评估划分	`train`

数据统计

指标	值
总样本数	21,726
提示词长度（平均）	322.93 字符
提示词长度（最小/最大）	256 / 636 字符

各子集统计数据：

子集	样本数	提示词平均长度	提示词最小长度	提示词最大长度
`association`	5,453	343.41	273	523
`country`	5,563	284.48	256	417
`gk`	5,328	346.94	263	547
`states`	5,382	318.17	260	636

样例示例

子集: association

{
  "input": [
    {
      "id": "0629b222",
      "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.\n\nWhich of the given regions is home to the Jarawa body painting?\n\nA) Surguja district\nB) South Andaman and Middle Andaman Islands\nC) Buddha Marg, Patna\nD) Telangana"
    }
  ],
  "choices": [
    "Surguja district",
    "South Andaman and Middle Andaman Islands",
    "Buddha Marg, Patna",
    "Telangana"
  ],
  "target": "B",
  "id": 0,
  "group_id": 0,
  "subset_key": "association",
  "metadata": {
    "state": "Andaman_and_Nicobar",
    "attribute": "Art"
  }
}

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 sanskriti \
    --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=['sanskriti'],
    dataset_args={
        'sanskriti': {
            # subset_list: ['association', 'country', 'gk']  # 可选，用于指定评估特定子集
        }
    },
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)

3.7 KiB Raw Blame History Unescape Escape