evalstone/evalscope/docs/zh/benchmarks/bhashabenchv1_ayur.md

BhashaBench-V1 (Ayurveda)

概述

BhashaBench-Ayur 是 BhashaBench-Multi 中 Ayurveda（阿育吠陀）领域的前身：这是一个领域特定的多项选择题基准测试，用于评估大语言模型对阿育吠陀医学知识的掌握程度，涵盖英语和印地语。

任务描述

• 任务类型：领域特定的多项选择题问答
• 输入：一道包含4个选项的阿育吠陀医学问题，语言为英语或印地语
• 输出：正确答案对应的字母
• 语言：英语、印地语

主要特点

• 每种语言包含5,600至17,000道题目，仅涵盖英语和印地语
• 作为 BhashaBench-Multi 的前身：领域相同，但语言覆盖范围更窄
• 每个领域对应一个独立的代码仓库，英语和印地语分别作为不同的配置

评估说明

• 默认配置使用 0-shot 评估（仅提供 test 分割）
• 使用 subset_list 可评估单一语言（例如 ['Hindi']）
• 需要访问此受限制的数据集 —— 在 ModelScope（默认数据集中心）上，请先接受使用条款并确保已登录；或者将 dataset_hub 设置为 huggingface，并在 huggingface.co 上接受条款后使用 HF_TOKEN
• 如需同一领域但覆盖更多语言的版本，请参见 bhasha_bench_multi_ayur（涵盖22种印度语言，且无需授权）

属性

属性	值
基准测试名称	bhashabenchv1_ayur
数据集ID	bharatgenai/BhashaBench-Ayur
论文	无
标签	Knowledge, MCQ, MultiLingual
指标	accuracy
默认示例数	0-shot
评估分割	test

数据统计

指标	值
总样本数	14,963
提示词长度（平均）	307.52 字符
提示词长度（最小/最大）	222 / 1060 字符

各子集统计数据：

子集	样本数	提示词平均长度	提示词最小长度	提示词最大长度
English	9,348	310.35	227	1060
Hindi	5,615	302.81	222	938

样例示例

子集: English

{
  "input": [
    {
      "id": "6a6db8b7",
      "content": "Answer the following multiple choice question. The entire content of your response should be of the following format: 'ANSWER: [LETTER]' (without quotes) where [LETTER] is one of A,B,C,D.\n\nImmune disorders include .....,\n\nA) Hypersensitivity\nB) auto-immune diseases\nC) immunodeficiency\nD) all of these"
    }
  ],
  "choices": [
    "Hypersensitivity",
    "auto-immune diseases",
    "immunodeficiency",
    "all of these"
  ],
  "target": "D",
  "id": 0,
  "group_id": 0,
  "metadata": {
    "language": "English",
    "topic": "Kayachikitsa"
  }
}

提示模板

提示模板：

Answer the following multiple choice question. The entire content of your response should be of the following format: 'ANSWER: [LETTER]' (without quotes) where [LETTER] is one of {letters}.

{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 bhashabenchv1_ayur \
    --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=['bhashabenchv1_ayur'],
    dataset_args={
        'bhashabenchv1_ayur': {
            # subset_list: ['English', 'Hindi']  # 可选，用于评估特定子集
        }
    },
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)