CommonsenseQA#

概述#

CommonsenseQA 是一个用于评估 AI 模型回答需要常识推理问题能力的基准测试。这些问题旨在考察模型是否具备问题中未明确说明的背景常识知识。

任务描述#

  • 任务类型：多项选择常识推理

  • 输入：包含 5 个选项、需要常识知识的问题

  • 输出：正确答案的字母（A-E）

  • 重点：世界知识与常识推理

主要特点#

  • 问题基于 ConceptNet 知识图谱生成

  • 需要多种类型的常识知识

  • 每个问题提供 5 个选项

  • 测试对日常概念及其关系的推理能力

  • 所有问题均经过人工验证

评估说明#

  • 默认配置使用 0-shot 评估

  • 使用简单的多项选择提示方式

  • 在验证集（validation split）上进行评估

  • 使用简单准确率（accuracy）作为评估指标

属性#

属性

值

基准测试名称

commonsense_qa

数据集 ID

extraordinarylab/commonsense-qa

论文

N/A

标签

Commonsense, MCQ, Reasoning

指标

acc

默认示例数

0-shot

评估划分

validation

数据统计#

指标

值

总样本数

1,221

提示词长度（平均）

326.11 字符

提示词长度（最小/最大）

257 / 537 字符

样例示例#

子集: default

{
  "input": [
    {
      "id": "c9b96cfc",
      "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,E.\n\nA revolving door is convenient for two direction travel, but it also serves as a security measure at a what?\n\nA) bank\nB) library\nC) department store\nD) mall\nE) new york"
    }
  ],
  "choices": [
    "bank",
    "library",
    "department store",
    "mall",
    "new york"
  ],
  "target": "A",
  "id": 0,
  "group_id": 0,
  "metadata": {}
}

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 commonsense_qa \
    --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=['commonsense_qa'],
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)