133 lines
3.3 KiB
Markdown
133 lines
3.3 KiB
Markdown
# ZeroBench
|
||
|
||
## 概述
|
||
|
||
ZeroBench 是一个面向大语言多模态模型（LMMs）的高难度视觉推理基准测试。它包含 100 个高质量、人工精心筛选的问题，涵盖多个领域、多种推理类型和图像类型，旨在超越当前模型的能力边界。
|
||
|
||
## 任务描述
|
||
|
||
- **任务类型**：高级视觉推理
|
||
- **输入**：一张或多张图像 + 高难度视觉推理问题
|
||
- **输出**：逐步推理过程，并在最后用花括号给出最终答案
|
||
- **领域**：视觉推理、感知、多步推理
|
||
|
||
## 核心特点
|
||
|
||
- 包含 100 个高质量、人工精心筛选的问题
|
||
- 专为挑战前沿模型而设计（使用贪心解码时，零样本准确率为 0）
|
||
- 覆盖多样化的领域、推理类型和图像类型
|
||
- 目前尚无模型能达到 5/5 的可靠性评分
|
||
- 用于测试当前视觉推理能力的极限
|
||
|
||
## 评估说明
|
||
|
||
- 默认评估使用 **zerobench** 划分
|
||
- 主要指标：由 LLM 评判的 **准确率（Accuracy）**
|
||
- 答案格式必须为：`{final answer}`
|
||
- 包含子问题划分，便于详细分析
|
||
- 使用图像压缩以处理大尺寸图像
|
||
|
||
## 属性
|
||
|
||
| 属性 | 值 |
|
||
|----------|-------|
|
||
| **基准测试名称** | `zerobench` |
|
||
| **数据集 ID** | [evalscope/zerobench](https://modelscope.cn/datasets/evalscope/zerobench/summary) |
|
||
| **论文** | N/A |
|
||
| **标签** | `Knowledge`, `MultiModal`, `QA` |
|
||
| **指标** | `acc` |
|
||
| **默认示例数量** | 0-shot |
|
||
| **评估划分** | `zerobench` |
|
||
| **训练划分** | `zerobench_subquestions` |
|
||
|
||
## 数据统计
|
||
|
||
| 指标 | 值 |
|
||
|--------|-------|
|
||
| 总样本数 | 100 |
|
||
| 提示词长度（平均） | 645.72 字符 |
|
||
| 提示词长度（最小/最大） | 139 / 1998 字符 |
|
||
|
||
**图像统计信息：**
|
||
|
||
| 指标 | 值 |
|
||
|--------|-------|
|
||
| 图像总数 | 108 |
|
||
| 每样本图像数 | 最小: 1, 最大: 3, 平均: 1.08 |
|
||
| 分辨率范围 | 512x297 - 5559x4070 |
|
||
| 图像格式 | jpeg, png |
|
||
|
||
## 样例示例
|
||
|
||
**子集**: `default`
|
||
|
||
```json
|
||
{
|
||
"input": [
|
||
{
|
||
"id": "f3276b25",
|
||
"content": [
|
||
{
|
||
"text": "I want to purchase all the Montellier bottles from the top three shelves. How much do I save by purchasing the bottles with a loyalty card? Give your final answer in dollars.\n\n\n\nLet's think step by step and give the final answer in curly braces,\nlike this: {final answer}\"\n"
|
||
},
|
||
{
|
||
"image": "[BASE64_IMAGE: png, ~462.4KB]"
|
||
}
|
||
]
|
||
}
|
||
],
|
||
"target": "11.90",
|
||
"id": 0,
|
||
"group_id": 0,
|
||
"metadata": {
|
||
"question_id": "1",
|
||
"question_images": [
|
||
"images/1_0.png"
|
||
],
|
||
"image_attribution": "Own"
|
||
}
|
||
}
|
||
```
|
||
|
||
## 提示模板
|
||
|
||
**提示模板：**
|
||
```text
|
||
{question}
|
||
|
||
|
||
|
||
Let's think step by step and give the final answer in curly braces,
|
||
like this: {{final answer}}"
|
||
|
||
```
|
||
|
||
## 使用方法
|
||
|
||
### 使用命令行（CLI）
|
||
|
||
```bash
|
||
evalscope eval \
|
||
--model YOUR_MODEL \
|
||
--api-url OPENAI_API_COMPAT_URL \
|
||
--api-key EMPTY_TOKEN \
|
||
--datasets zerobench \
|
||
--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=['zerobench'],
|
||
limit=10, # 正式评估时请删除此行
|
||
)
|
||
|
||
run_task(task_cfg=task_cfg)
|
||
``` |