106 lines
2.9 KiB
Markdown
106 lines
2.9 KiB
Markdown
# General-MCQ
|
||
|
||
|
||
## 概述
|
||
|
||
General-MCQ 是一个可自定义的多项选择题问答基准测试，用于评估语言模型。它支持灵活的数据格式和可变数量的答案选项。
|
||
|
||
## 任务描述
|
||
|
||
- **任务类型**：多项选择题问答
|
||
- **输入**：包含 2-10 个答案选项（A 到 J）的问题
|
||
- **输出**：所选的答案选项
|
||
- **灵活性**：通过本地文件支持自定义数据集，支持单个或多个正确答案
|
||
|
||
## 主要特性
|
||
|
||
- 灵活的选项数量（A 到 J）
|
||
- 通过本地文件加载支持自定义数据集
|
||
- 中文单选/多选提示模板（可选思维链 CoT 变体）
|
||
- 可配置的少样本（few-shot）示例
|
||
- 基于准确率的评估
|
||
|
||
## 评估说明
|
||
|
||
- 默认配置使用 **0-shot** 评估并采用单选模板
|
||
- 设置 `extra_params.multiple_correct=True` 以评估具有多个正确答案的问题
|
||
- 设置 `extra_params.use_cot=True` 以切换到思维链（chain-of-thought）提示模板
|
||
- 主要指标：**准确率（Accuracy）**
|
||
- 训练集划分：**dev**，评估集划分：**val**
|
||
- 数据集格式详见 [用户指南](https://evalscope.readthedocs.io/zh-cn/latest/advanced_guides/custom_dataset/llm.html#mcq)
|
||
|
||
## 属性
|
||
|
||
| 属性 | 值 |
|
||
|----------|-------|
|
||
| **基准测试名称** | `general_mcq` |
|
||
| **数据集ID** | `general_mcq` |
|
||
| **论文** | N/A |
|
||
| **标签** | `Custom`, `MCQ` |
|
||
| **指标** | `acc` |
|
||
| **默认样本数** | 0-shot |
|
||
| **评估集划分** | `val` |
|
||
| **训练集划分** | `dev` |
|
||
|
||
|
||
## 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
|
||
|
||
**提示模板：**
|
||
```text
|
||
回答下面的单项选择题，请选出其中的正确答案。你的回答的全部内容应该是这样的格式："答案：[LETTER]"（不带引号），其中 [LETTER] 是 {letters} 中的一个。
|
||
|
||
问题：{question}
|
||
选项：
|
||
{choices}
|
||
|
||
```
|
||
|
||
## 额外参数
|
||
|
||
| 参数 | 类型 | 默认值 | 描述 |
|
||
|-----------|------|---------|-------------|
|
||
| `multiple_correct` | `bool` | `False` | 数据集中是否包含具有多个正确答案的问题。设为 True 时，将切换到多选提示模板和解析器，并要求 `answer` 字段为字母列表（例如 ["A", "C"]）。 |
|
||
| `use_cot` | `bool` | `False` | 是否使用思维链（CoT）提示模板变体。 |
|
||
|
||
## 使用方法
|
||
|
||
### 使用 CLI
|
||
|
||
```bash
|
||
evalscope eval \
|
||
--model YOUR_MODEL \
|
||
--api-url OPENAI_API_COMPAT_URL \
|
||
--api-key EMPTY_TOKEN \
|
||
--datasets general_mcq \
|
||
--limit 10 # 正式评估时请删除此行
|
||
```
|
||
|
||
### 使用 Python
|
||
|
||
```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_mcq'],
|
||
dataset_args={
|
||
'general_mcq': {
|
||
# extra_params: {} # 使用默认额外参数
|
||
}
|
||
},
|
||
limit=10, # 正式评估时请删除此行
|
||
)
|
||
|
||
run_task(task_cfg=task_cfg)
|
||
``` |