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>
129 lines
4.0 KiB
Markdown
129 lines
4.0 KiB
Markdown
# 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](https://modelscope.cn/datasets/sarvamai/trivia-qa-indic-mcq/summary) |
|
|
| **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`
|
|
|
|
```json
|
|
{
|
|
"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：**
|
|
```text
|
|
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
|
|
|
|
```bash
|
|
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
|
|
|
|
```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)
|
|
```
|