87 lines
2.0 KiB
Markdown
87 lines
2.0 KiB
Markdown
# General-QA
|
||
|
||
|
||
## 概述
|
||
|
||
General-QA 是一个可自定义的问题回答基准测试，用于评估语言模型在开放式文本生成任务上的表现。它支持灵活的数据格式和可配置的评估指标。
|
||
|
||
## 任务描述
|
||
|
||
- **任务类型**：开放式问答（Open-Ended Question Answering）
|
||
- **输入**：问题（可选系统提示和对话历史）
|
||
- **输出**：自由格式的文本答案
|
||
- **灵活性**：通过本地文件支持自定义数据集
|
||
|
||
## 主要特性
|
||
|
||
- 灵活的输入格式（query/answer 或 messages 格式）
|
||
- 可选的系统提示支持
|
||
- BLEU 和 Rouge 评估指标
|
||
- 通过本地文件加载支持自定义数据集
|
||
- 可扩展以适用于多种问答场景
|
||
|
||
## 评估说明
|
||
|
||
- 默认配置使用 **0-shot** 评估
|
||
- 默认指标：**BLEU**、**Rouge**（以 Rouge-L-R 为主评分）
|
||
- 在 **test** 数据划分上进行评估
|
||
- 数据集格式请参见 [用户指南](https://evalscope.readthedocs.io/zh-cn/latest/advanced_guides/custom_dataset/llm.html#qa)
|
||
|
||
## 属性
|
||
|
||
| 属性 | 值 |
|
||
|----------|-------|
|
||
| **基准测试名称** | `general_qa` |
|
||
| **数据集ID** | `general_qa` |
|
||
| **论文** | N/A |
|
||
| **标签** | `Custom`, `QA` |
|
||
| **指标** | `BLEU`, `Rouge` |
|
||
| **默认示例数（Shots）** | 0-shot |
|
||
| **评估数据划分** | `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
|
||
|
||
**提示模板：**
|
||
```text
|
||
请回答问题
|
||
{question}
|
||
```
|
||
|
||
## 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 general_qa \
|
||
--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_qa'],
|
||
limit=10, # 正式评估时请删除此行
|
||
)
|
||
|
||
run_task(task_cfg=task_cfg)
|
||
``` |