83 lines
2.0 KiB
Markdown
83 lines
2.0 KiB
Markdown
# Data-Collection
|
|
|
|
|
|
## 概述
|
|
|
|
Data-Collection 是一个灵活的框架，用于将多个评估数据集混合成统一的评估套件。它能够通过从各类基准测试中精心挑选的样本，对模型进行全面评估。
|
|
|
|
## 任务描述
|
|
|
|
- **任务类型**：多数据集统一评估
|
|
- **输入**：来自多个基准数据集的混合样本
|
|
- **输出**：跨任务、数据集和类别的聚合得分
|
|
- **灵活性**：支持自定义数据集组合
|
|
|
|
## 核心特性
|
|
|
|
- 将多个基准测试混合为单一评估
|
|
- 分层报告（子集、数据集、任务、标签、类别级别）
|
|
- 支持样本级加权
|
|
- 为每个数据集自动初始化适配器
|
|
- 全面的聚合方式（微观平均、宏观平均、加权平均）
|
|
|
|
## 评估说明
|
|
|
|
- 数据集必须预先编译为集合形式
|
|
- 支持多种任务类型（选择题、问答、代码生成等）
|
|
- 生成多层次报告以支持详细分析
|
|
- 使用方法详见 [Collection Guide](https://evalscope.readthedocs.io/zh-cn/latest/advanced_guides/collection/index.html)
|
|
|
|
## 属性
|
|
|
|
| 属性 | 值 |
|
|
|----------|-------|
|
|
| **基准测试名称** | `data_collection` |
|
|
| **数据集ID** | N/A |
|
|
| **论文** | N/A |
|
|
| **标签** | `Custom` |
|
|
| **指标** | `acc` |
|
|
| **默认示例数** | 0-shot |
|
|
| **评估分割** | `test` |
|
|
|
|
|
|
## 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
|
|
|
|
*未定义提示模板。*
|
|
|
|
## 使用方法
|
|
|
|
### 使用 CLI
|
|
|
|
```bash
|
|
evalscope eval \
|
|
--model YOUR_MODEL \
|
|
--api-url OPENAI_API_COMPAT_URL \
|
|
--api-key EMPTY_TOKEN \
|
|
--datasets data_collection \
|
|
--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=['data_collection'],
|
|
limit=10, # 正式评估时请删除此行
|
|
)
|
|
|
|
run_task(task_cfg=task_cfg)
|
|
``` |