General-QA#

概述#

General-QA 是一个可自定义的问题回答基准测试，用于评估语言模型在开放式文本生成任务上的表现。它支持灵活的数据格式和可配置的评估指标。

任务描述#

  • 任务类型：开放式问答（Open-Ended Question Answering）

  • 输入：问题（可选系统提示和对话历史）

  • 输出：自由格式的文本答案

  • 灵活性：通过本地文件支持自定义数据集

主要特性#

  • 灵活的输入格式（query/answer 或 messages 格式）

  • 可选的系统提示支持

  • BLEU 和 Rouge 评估指标

  • 通过本地文件加载支持自定义数据集

  • 可扩展以适用于多种问答场景

评估说明#

  • 默认配置使用 0-shot 评估

  • 默认指标：BLEU、Rouge（以 Rouge-L-R 为主评分）

  • 在 test 数据划分上进行评估

  • 数据集格式请参见 用户指南

属性#

属性

值

基准测试名称

general_qa

数据集ID

general_qa

论文

N/A

标签

Custom, QA

指标

BLEU, Rouge

默认示例数（Shots）

0-shot

评估数据划分

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#

提示模板：

请回答问题
{question}

使用方法#

使用命令行（CLI）#

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

run_task(task_cfg=task_cfg)