CCBench#

概述#

CCBench（Chinese Culture Bench）是 MMBench 的一个扩展，专门用于评估多模态模型对中华传统文化的理解能力。它通过视觉问答的形式，涵盖中华文化遗产的多个方面。

任务描述#

  • 任务类型：视觉多项选择题问答（中华文化）

  • 输入：包含中华文化相关问题的图像

  • 输出：单个正确答案字母（A、B、C 或 D）

  • 语言：主要为中文内容

主要特点#

  • 聚焦中华传统文化相关问题

  • 类别包括：书法、绘画、文物、饮食与服饰

  • 历史人物、风景与建筑、草图推理、传统表演

  • 测试结合视觉理解与文化知识的能力

  • 基于 MMBench 评估框架的扩展

评估说明#

  • 默认配置使用 0-shot 评估

  • 使用思维链（Chain-of-Thought, CoT）提示

  • 在测试集（test split）上进行评估

  • 使用简单准确率（accuracy）作为评分指标

  • 要求模型同时具备视觉感知能力和文化知识

属性#

属性

值

基准测试名称

cc_bench

数据集ID

lmms-lab/MMBench

论文

N/A

标签

Knowledge, MCQ, MultiModal

指标

acc

默认示例数

0-shot

评估划分

test

数据统计#

指标

值

总样本数

2,040

提示词长度（平均）

270.1 字符

提示词长度（最小/最大）

254 / 394 字符

图像统计信息：

指标

值

总图像数

2,040

每样本图像数

最小: 1, 最大: 1, 平均: 1

分辨率范围

119x118 - 512x512

格式

jpeg

样例示例#

子集: cc

{
  "input": [
    {
      "id": "2797f551",
      "content": [
        {
          "text": "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 A,B,C,D. Think step by step before answering.\n\n图中所示建筑名称为？\n\nA) 天坛\nB) 故宫\nC) 黄鹤楼\nD) 少林寺"
        },
        {
          "image": "[BASE64_IMAGE: jpeg, ~22.7KB]"
        }
      ]
    }
  ],
  "choices": [
    "天坛",
    "故宫",
    "黄鹤楼",
    "少林寺"
  ],
  "target": "A",
  "id": 0,
  "group_id": 0,
  "metadata": {
    "index": 0,
    "category": "scenery_building",
    "source": "https://zh.wikipedia.org/wiki/%E5%A4%A9%E5%9D%9B"
  }
}

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

run_task(task_cfg=task_cfg)