General-VMCQ#

概述#

General-VMCQ 是一个可自定义的视觉多选题问答基准测试，用于评估多模态模型。它采用 MMMU 风格的格式，在文本中使用图像占位符，支持灵活的图像输入。

任务描述#

  • 任务类型：视觉多选题问答（Visual Multiple-Choice Question Answering）

  • 输入：包含 <image N> 占位符的问题 + 选项 + 图像

  • 输出：所选答案选项

  • 灵活性：通过本地文件支持自定义数据集

主要特性#

  • 采用 MMMU 风格格式（非 OpenAI 消息格式）

  • 每个样本最多支持 100 张图像

  • 灵活的图像输入方式（路径、URL 或 base64 数据 URL）

  • 支持思维链（Chain-of-thought）提示模板

  • 通过本地文件加载支持自定义数据集

评估说明#

  • 默认配置使用 0-shot 评估

  • 主要指标：准确率（Accuracy）

  • 训练集划分：dev，评估集划分：val

  • 图像以纯字符串形式提供（不要包装成 {{"url": ...}} 格式）

  • 数据集格式详情请参阅 用户指南

属性#

属性

值

基准测试名称

general_vmcq

数据集ID

general_vmcq

论文

N/A

标签

Custom, MCQ, MultiModal

指标

acc

默认示例数量

0-shot

评估集划分

val

训练集划分

dev

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#

提示模板：

Answer the following multiple choice question. The last line of your response should be of the following format: 'ANSWER: [LETTER]' (without quotes) where [LETTER] is one of {letters}. Think step by step before answering.

{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 general_vmcq \
    --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_vmcq'],
    limit=10,  # 正式评估时请删除此行
)

run_task(task_cfg=task_cfg)