Data-Collection#

概述#

Data-Collection 是一个灵活的框架，用于将多个评估数据集混合成统一的评估套件。它能够通过从各类基准测试中精心挑选的样本，对模型进行全面评估。

任务描述#

  • 任务类型：多数据集统一评估

  • 输入：来自多个基准数据集的混合样本

  • 输出：跨任务、数据集和类别的聚合得分

  • 灵活性：支持自定义数据集组合

核心特性#

  • 将多个基准测试混合为单一评估

  • 分层报告（子集、数据集、任务、标签、类别级别）

  • 支持样本级加权

  • 为每个数据集自动初始化适配器

  • 全面的聚合方式（微观平均、宏观平均、加权平均）

评估说明#

  • 数据集必须预先编译为集合形式

  • 支持多种任务类型（选择题、问答、代码生成等）

  • 生成多层次报告以支持详细分析

  • 使用方法详见 Collection Guide

属性#

属性

值

基准测试名称

data_collection

数据集ID

N/A

论文

N/A

标签

Custom

指标

acc

默认示例数

0-shot

评估分割

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

run_task(task_cfg=task_cfg)