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

TriviaQA-Indic-MCQ

概述

TriviaQA-Indic-MCQ 将 TriviaQA 的常识问答题重新格式化为四选一的多项选择题，并翻译成 10 种印度语言及英语，用于评估模型在多语言环境下的世界知识回忆能力。

任务描述

• 任务类型：多语言多项选择常识问答
• 输入：以 11 种语言之一呈现的常识问题及其 4 个选项
• 输出：正确答案对应的字母
• 语言：孟加拉语、英语、古吉拉特语、印地语、卡纳达语、马拉雅拉姆语、马拉地语、奥里亚语、旁遮普语、泰米尔语、泰卢固语

评估说明

• 默认配置使用 0-shot 评估（仅提供验证集）
• 可通过 subset_list 参数指定评估特定语言（例如 ['hi', 'ta']），或使用 limit 参数限制样本数量 —— 完整默认运行包含全部 11 种语言，每种语言约 1.8 万个样本（总计约 19.8 万）

属性

属性	值
基准测试名称	triviaqa_indic
数据集ID	sarvamai/trivia-qa-indic-mcq
论文	N/A
标签	Knowledge, MCQ, MultiLingual
指标	accuracy
默认示例数	0-shot
评估划分	validation

数据统计

指标	值
总样本数	197,384
提示词长度（平均）	353.95 字符
提示词长度（最小/最大）	247 / 1267 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
bn	17,944	351.81	253	1131
en	17,944	347.69	256	1158
gu	17,944	347.73	247	1117
hi	17,944	349.05	258	1141
kn	17,944	359.89	253	1164
ml	17,944	366.11	257	1267
mr	17,944	350.9	253	1078
or	17,944	349.44	255	941
pa	17,944	345.48	253	1157
ta	17,944	368.55	248	1198
te	17,944	356.75	254	1259

样例示例

子集: bn

{
  "input": [
    {
      "id": "eff7630c",
      "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\nচিপমঙ্কসের পিছনে লোকটি কে ছিল?\n\nA) ডেভিড সেভিল\nB) জাগরেব শহর - ক্রোয়েশিয়া প্রজাতন্ত্র\nC) পবিত্র ক্রুসেড\nD) উপাদান (অ্যালবাম)"
    }
  ],
  "choices": [
    "ডেভিড সেভিল",
    "জাগরেব শহর - ক্রোয়েশিয়া প্রজাতন্ত্র",
    "পবিত্র ক্রুসেড",
    "উপাদান (অ্যালবাম)"
  ],
  "target": "A",
  "id": 0,
  "group_id": 0,
  "metadata": {
    "language": "Bengali"
  }
}

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 triviaqa_indic \
    --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=['triviaqa_indic'],
    dataset_args={
        'triviaqa_indic': {
            # subset_list: ['bn', 'en', 'gu']  # 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)