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>
94 lines
2.7 KiB
Markdown
94 lines
2.7 KiB
Markdown
# 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>`/`<audio 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>`/`<audio N>` 占位符的问题 + 选项 + 媒体文件
|
||
- **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/视频/音频
|
||
- 灵活的图像/视频/音频输入方式（路径、URL、base64 数据 URL，或 Hugging Face 媒体列，格式为 `{"path": ...}` 或 `{"bytes": ...}`）
|
||
- 额外支持 `images`/`videos`/`audios` 列，可包含不限数量的媒体列表
|
||
- 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**
|
||
- 原始媒体字节数据需使用 parquet 格式；纯文本文件应包含路径、URL 或 base64 数据 URL
|
||
- 数据集格式详情请参阅 [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_vmcq` |
|
||
| **数据集ID** | `general_vmcq` |
|
||
| **论文** | N/A |
|
||
| **标签** | `Custom`, `MCQ`, `MultiModal` |
|
||
| **指标** | `accuracy` |
|
||
| **默认示例数** | 0-shot |
|
||
| **评估集划分** | `val` |
|
||
| **训练集划分** | `dev` |
|
||
|
||
|
||
## 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
|
||
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
|
||
|
||
```bash
|
||
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
|
||
|
||
```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)
|
||
```
|