13274243a0
Keep K3 suite selection and report-schema scoring in bash, merge K3/vision dataset_args into dpv4 yamls, and pin EvalScope at 735d920ee911 with local patches. Co-authored-by: Cursor <cursoragent@cursor.com>
86 lines
2.3 KiB
Markdown
86 lines
2.3 KiB
Markdown
# General-VQA
|
||
|
||
|
||
## 概述
|
||
|
||
General-VQA 是一个可自定义的视觉问答（Visual Question Answering）基准测试，用于评估多模态模型。
|
||
它支持 OpenAI 兼容的消息格式，并允许灵活地输入图像/视频/音频（本地路径、URL 或 base64 编码）。
|
||
|
||
## 任务描述
|
||
|
||
- **任务类型**：视觉问答（Visual Question Answering）
|
||
- **输入**：图像/视频/音频 + 以 OpenAI 聊天格式组织的问题
|
||
- **输出**：自由格式的文本答案
|
||
- **灵活性**：通过 TSV/JSONL 文件支持自定义数据集
|
||
|
||
## 核心特性
|
||
|
||
- OpenAI 兼容的消息格式
|
||
- 支持多种图像/视频/音频输入方式（本地路径、URL、base64）
|
||
- **媒体占位符**：在纯文本用户消息中使用 ``<image N>`` / ``<video N>`` / ``<audio N>``，并配合带索引的媒体列（如 ``image_1``、``video_1``、``audio_1`` 等），以简化数据格式
|
||
- 支持 BLEU 和 Rouge 指标的灵活评估
|
||
- 通过本地文件加载支持自定义数据集
|
||
- 可扩展以适用于各种 VQA 应用场景
|
||
|
||
## 评估说明
|
||
|
||
- 默认配置使用 **0-shot** 评估
|
||
- 默认指标：**BLEU**、**Rouge**（主评分指标为 Rouge-L-R）
|
||
- 在 **test** 数据划分上进行评估
|
||
- 数据集格式详见 [用户指南](https://evalscope.readthedocs.io/zh-cn/latest/advanced_guides/custom_dataset/vlm.html)
|
||
|
||
## 属性
|
||
|
||
| 属性 | 值 |
|
||
|----------|-------|
|
||
| **基准测试名称** | `general_vqa` |
|
||
| **数据集ID** | `general_vqa` |
|
||
| **论文** | N/A |
|
||
| **标签** | `Custom`, `MultiModal`, `QA` |
|
||
| **指标** | `BLEU`, `Rouge` |
|
||
| **默认示例数** | 0-shot |
|
||
| **评估划分** | `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 general_vqa \
|
||
--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_vqa'],
|
||
limit=10, # 正式评估时请删除此行
|
||
)
|
||
|
||
run_task(task_cfg=task_cfg)
|
||
```
|