DrivelologyMultilabelClassification#

概述#

Drivelology 多标签分类任务评估模型将“drivelology”文本归类到以下修辞技巧类别中的能力：倒置（inversion）、文字游戏（wordplay）、诱饵转换（switchbait）、悖论（paradox）和误导（misdirection）。每段文本可能属于多个类别。

任务描述#

  • 任务类型：多标签文本分类

  • 输入：Drivelology 文本样本

  • 输出：一个或多个修辞技巧类别

  • 领域：语言学分析、修辞技巧检测

主要特点#

  • 包含五种修辞技巧类别

  • 多标签分类（每个样本可对应多个类别）

  • 测试对语言创造性机制的理解能力

  • 要求识别幽默与反讽技巧

  • 提供详细的类别定义

评估说明#

  • 默认配置使用 0-shot 评估

  • 评估指标：F1（加权、微观、宏观）、精确匹配（Exact Match）

  • 聚合方法：加权 F1（F1 weighted）

  • 类别：inversion、wordplay、switchbait、paradox、misdirection

属性#

属性

值

基准测试名称

drivel_multilabel

数据集ID

extraordinarylab/drivel-hub

论文

N/A

标签

MCQ

指标

f1_weighted, f1_micro, f1_macro, exact_match

默认示例数

0-shot

评估分割

test

聚合方式

f1_weighted

数据统计#

指标

值

总样本数

600

提示词长度（平均）

1637.18 字符

提示词长度（最小/最大）

1580 / 2041 字符

样例示例#

子集: multi-label-classification

{
  "input": [
    {
      "id": "0e8acb03",
      "content": [
        {
          "text": "#Instruction#:\nClassify the given text into one or more of the following categories: inversion, wordplay, switchbait, paradox, and misdirection.\n\n#Definitions#:\n- inversion: This technique takes a well-known phrase, cliché, or social script a ... [TRUNCATED] ... e should be of the following format: 'ANSWER: [LETTERS]' (without quotes) where [LETTER]S is one or more of A,B,C,D,E.\n\nText to classify: 後天的努力比什麼都重要，所以今天和明天休息。\n\nA) A. inversion\nB) B. wordplay\nC) C. switchbait\nD) D. paradox\nE) E. misdirection"
        }
      ]
    }
  ],
  "choices": [
    "A. inversion",
    "B. wordplay",
    "C. switchbait",
    "D. paradox",
    "E. misdirection"
  ],
  "target": "AB",
  "id": 0,
  "group_id": 0,
  "metadata": {
    "text": "後天的努力比什麼都重要，所以今天和明天休息。",
    "label": [
      "inversion",
      "wordplay"
    ],
    "target_letters": "AB"
  }
}

注：部分内容为显示目的已截断。

提示模板#

提示模板：

{question}

使用方法#

使用 CLI#

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

run_task(task_cfg=task_cfg)