General-VQA#

概述#

General-VQA 是一个可自定义的视觉问答（Visual Question Answering）基准测试，用于评估多模态模型。 它支持 OpenAI 兼容的消息格式，并允许灵活地输入图像/视频/音频（本地路径、URL 或 base64 编码）。

任务描述#

  • 任务类型：视觉问答（Visual Question Answering）

  • 输入：图像/视频/音频 + 以 OpenAI 聊天格式组织的问题

  • 输出：自由格式的文本答案

  • 灵活性：通过 TSV/JSONL 文件支持自定义数据集

核心特性#

  • OpenAI 兼容的消息格式

  • 支持多种图像/视频/音频输入方式（本地路径、URL、base64）

  • 媒体占位符：在纯文本用户消息中使用 <image N> / <video N> / <audio N>，并配合带索引的媒体列（如 image_1、video_1、audio_1 等），以简化数据格式

  • 支持 BLEU 和 Rouge 指标的灵活评估

  • 通过本地文件加载支持自定义数据集

  • 可扩展以适用于各种 VQA 应用场景

评估说明#

  • 默认配置使用 0-shot 评估

  • 默认指标：BLEU、Rouge（主评分指标为 Rouge-L-R）

  • 在 test 数据划分上进行评估

  • 数据集格式详见 用户指南

属性#

属性

值

基准测试名称

general_vqa

数据集ID

general_vqa

论文

N/A

标签

Custom, MultiModal, QA

指标

BLEU, Rouge

默认示例数

0-shot

评估划分

test

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#

未定义提示模板。

使用方法#

使用 CLI#

evalscope eval \
    --model YOUR_MODEL \
    --api-url OPENAI_API_COMPAT_URL \
    --api-key EMPTY_TOKEN \
    --datasets general_vqa \
    --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=['general_vqa'],
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)