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>
116 lines
3.6 KiB
Markdown
116 lines
3.6 KiB
Markdown
# MVBench
|
||
|
||
|
||
## 概述
|
||
|
||
MVBench 是一个公开的多模态视频理解基准测试，涵盖时间感知、属性/状态推理、符号排序和高级认知任务。此原生适配器默认使用 ModelScope 上的 `PKU-Alignment/MVBench` 镜像，该镜像提供 JSON 标注以及优化后的视频压缩包。
|
||
|
||
## 任务描述
|
||
|
||
- **任务类型**：视频多项选择题问答（Video multiple-choice question answering）
|
||
- **输入**：视频 + 问题 + 答案选项
|
||
- **输出**：单个正确答案字母
|
||
- **子集**：20 个 MVBench 任务；默认的冒烟测试子集为 `action_antonym`
|
||
|
||
## 评估说明
|
||
|
||
- 默认配置使用 **0-shot** 评估
|
||
- 主要指标：**准确率（Accuracy）**
|
||
- 默认的 `action_antonym` 子集会下载一个小型公开 MP4 压缩包用于快速验证
|
||
- 可通过设置 `subset_list` 参数指定额外的 MVBench 子集以进行完整基准评估
|
||
- 对于带时间范围的记录，保留起始/结束时间元数据，并在提示词中添加简短的片段指令
|
||
|
||
## 属性
|
||
|
||
| 属性 | 值 |
|
||
|----------|-------|
|
||
| **基准测试名称** | `mvbench` |
|
||
| **数据集ID** | [PKU-Alignment/MVBench](https://modelscope.cn/datasets/PKU-Alignment/MVBench/summary) |
|
||
| **论文** | [Paper](https://arxiv.org/abs/2311.17005) |
|
||
| **标签** | `MCQ`, `MultiModal`, `Video` |
|
||
| **指标** | `accuracy` |
|
||
| **默认示例数** | 0-shot |
|
||
| **评估划分** | `train` |
|
||
|
||
|
||
## 数据统计
|
||
|
||
| 指标 | 值 |
|
||
|--------|-------|
|
||
| 总样本数 | 4,000 |
|
||
|
||
**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 |
|
||
|--------|---------|-------------|------------|------------|
|
||
| `action_antonym` | 200 | N/A | N/A | N/A |
|
||
| `action_count` | 200 | N/A | N/A | N/A |
|
||
| `action_localization` | 200 | N/A | N/A | N/A |
|
||
| `action_prediction` | 200 | N/A | N/A | N/A |
|
||
| `action_sequence` | 200 | N/A | N/A | N/A |
|
||
| `character_order` | 200 | N/A | N/A | N/A |
|
||
| `counterfactual_inference` | 200 | N/A | N/A | N/A |
|
||
| `egocentric_navigation` | 200 | N/A | N/A | N/A |
|
||
| `episodic_reasoning` | 200 | N/A | N/A | N/A |
|
||
| `fine_grained_action` | 200 | N/A | N/A | N/A |
|
||
| `fine_grained_pose` | 200 | N/A | N/A | N/A |
|
||
| `moving_attribute` | 200 | N/A | N/A | N/A |
|
||
| `moving_count` | 200 | N/A | N/A | N/A |
|
||
| `moving_direction` | 200 | N/A | N/A | N/A |
|
||
| `object_existence` | 200 | N/A | N/A | N/A |
|
||
| `object_interaction` | 200 | N/A | N/A | N/A |
|
||
| `object_shuffle` | 200 | N/A | N/A | N/A |
|
||
| `scene_transition` | 200 | N/A | N/A | N/A |
|
||
| `state_change` | 200 | N/A | N/A | N/A |
|
||
| `unexpected_action` | 200 | N/A | N/A | N/A |
|
||
|
||
## 样例示例
|
||
|
||
*样例示例不可用。*
|
||
|
||
## 提示模板
|
||
|
||
**提示模板：**
|
||
```text
|
||
请回答以下多项选择题。你的回复最后一行应采用如下格式：'ANSWER: [LETTER]'（不含引号），其中 [LETTER] 是 {letters} 中的一个字母。请逐步思考后再作答。
|
||
|
||
{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 mvbench \
|
||
--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=['mvbench'],
|
||
dataset_args={
|
||
'mvbench': {
|
||
# subset_list: ['action_antonym', 'action_count', 'action_localization'] # 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)
|
||
```
|