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

General-VMCQ

概述

General-VMCQ 是一个可自定义的视觉多项选择题问答基准测试，用于评估多模态模型。
它采用 MMMU 风格的格式，在文本中使用 <image N>/<video N> 占位符，支持灵活的媒体输入。

任务描述

• 任务类型：视觉多项选择题问答（Visual Multiple-Choice Question Answering）
• 输入：包含 <image N>/<video N> 占位符的问题 + 选项 + 媒体内容
• 输出：所选答案选项
• 灵活性：支持通过本地文件加载自定义数据集

主要特性

• 采用 MMMU 风格格式（非 OpenAI 消息格式）
• 每个样本最多支持 100 张图像和 100 个视频
• 灵活的图像/视频输入方式（路径、URL 或 base64 数据 URL）
• 支持链式思维（Chain-of-thought）提示模板
• 支持通过本地文件加载自定义数据集

评估说明

• 默认配置使用 0-shot 评估
• 主要指标：准确率（Accuracy）
• 训练集划分：dev，评估集划分：val
• 图像/视频以纯字符串形式提供（不要包装成 {{"url": ...}} 格式）
• 数据集格式详情请参阅 用户指南

属性

属性	值
基准测试名称	general_vmcq
数据集ID	general_vmcq
论文	N/A
标签	Custom, MCQ, MultiModal
指标	acc
默认Shots数	0-shot
评估集划分	val
训练集划分	dev

数据统计

统计数据暂不可用。

样例示例

样例示例暂不可用。

提示模板

提示模板：

Answer the following multiple choice question. The last line of your response should be of the following format: 'ANSWER: [LETTER]' (without quotes) where [LETTER] is one of {letters}. Think step by step before answering.

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

run_task(task_cfg=task_cfg)