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

Winogrande

概述

Winogrande 是一个大规模的常识推理基准测试，专门用于在 Winograd Schema Challenge 格式下测试代词消歧任务。它包含 4.4 万个问题，要求模型理解物理和社交方面的常识。

任务描述

• 任务类型：代词消歧 / 常识推理
• 输入：包含歧义代词的句子及两个选项
• 输出：正确选项（A 或 B），用于消解代词指代
• 格式：在两个名词短语之间进行二选一

主要特点

• 包含 4.4 万个 Winograd 风格的代词消歧问题
• 通过对抗性过滤减少数据集偏差
• 测试物理常识（物体属性、动作等）
• 测试社交常识（意图、情感等）
• 需要理解上下文以解决歧义

评估说明

• 默认配置使用 0-shot 评估
• 采用二选一格式（选项1 vs 选项2）
• 答案转换为 A/B 字母格式
• 使用简单准确率（accuracy）作为评估指标
• 常用于常识推理能力评估

属性

属性	值
基准测试名称	winogrande
数据集ID	AI-ModelScope/winogrande_val
论文	N/A
标签	MCQ, Reasoning
指标	acc
默认示例数	0-shot
评估分割	validation

数据统计

指标	值
总样本数	1,267
提示词长度（平均）	306.58 字符
提示词长度（最小/最大）	271 / 384 字符

样例示例

子集: default

{
  "input": [
    {
      "id": "f64dd7e2",
      "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.\n\nSarah was a much better surgeon than Maria so _ always got the easier cases.\n\nA) Sarah\nB) Maria"
    }
  ],
  "choices": [
    "Sarah",
    "Maria"
  ],
  "target": "B",
  "id": 0,
  "group_id": 0,
  "metadata": {
    "id": "winogrande_xs val 0"
  }
}

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 winogrande \
    --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=['winogrande'],
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)