QASC#

概述#

QASC（Question Answering via Sentence Composition，基于句子组合的问题回答）是一个专注于多跳句子组合的问题回答数据集。它包含 9,980 个面向小学科学的 8 选 1 多项选择题，要求模型组合多个事实才能得出正确答案。

任务描述#

  • 任务类型：多跳科学问答（多项选择）

  • 输入：包含 8 个选项的科学问题

  • 输出：正确答案对应的字母

  • 重点：句子组合与多跳推理

主要特点#

  • 包含 9,980 个小学科学问题

  • 采用 8 选 1 的多项选择格式

  • 需要组合两个事实才能作答

  • 测试模型在科学知识上的多跳推理能力

  • 每个问题均标注了支持性事实

评估说明#

  • 默认配置使用 0-shot 评估

  • 在验证集（validation split）上进行评估

  • 使用简单准确率（accuracy）作为评估指标

  • 适用于评估组合推理能力

属性#

属性

值

基准测试名称

qasc

数据集ID

extraordinarylab/qasc

论文

N/A

标签

Knowledge, MCQ

指标

acc

默认示例数量

0-shot

评估划分

validation

数据统计#

指标

值

总样本数

926

提示词长度（平均）

362.58 字符

提示词长度（最小/最大）

283 / 505 字符

样例示例#

子集: default

{
  "input": [
    {
      "id": "d92a545e",
      "content": "Answer the following multiple choice question. The entire content of your response should be of the following format: 'ANSWER: [LETTER]' (without quotes) where [LETTER] is one of A,B,C,D,E,F,G,H.\n\nClimate is generally described in terms of what?\n\nA) sand\nB) occurs over a wide range\nC) forests\nD) Global warming\nE) rapid changes occur\nF) local weather conditions\nG) measure of motion\nH) city life"
    }
  ],
  "choices": [
    "sand",
    "occurs over a wide range",
    "forests",
    "Global warming",
    "rapid changes occur",
    "local weather conditions",
    "measure of motion",
    "city life"
  ],
  "target": "F",
  "id": 0,
  "group_id": 0,
  "metadata": {}
}

提示模板#

提示模板：

Answer the following multiple choice question. The entire content of your response should be of the following format: 'ANSWER: [LETTER]' (without quotes) where [LETTER] is one of {letters}.

{question}

{choices}

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

run_task(task_cfg=task_cfg)