OpenCompass项目中MMLU_Pro数据集PPLInferencer的实现解析
2025-06-08 01:46:27作者:仰钰奇
背景介绍
OpenCompass作为大模型评测框架,其核心功能之一是对各类NLP任务进行自动化评估。MMLU_Pro作为多选问答数据集,在模型知识评估中具有重要价值。本文将深入分析如何在OpenCompass中为MMLU_Pro数据集实现PPL(Perplexity)推理器。
技术实现要点
1. 数据集配置关键
在MMLU_Pro数据集配置中,output_column参数的正确设置至关重要。原始配置中使用了'answer_string'会导致PPL计算异常,因为:
- PPLInferencer需要直接获取选项字母(A/B/C等)而非完整答案字符串
- 正确的output_column应设为'answer'字段,该字段直接包含选项标识符
2. 模板设计原理
PPL推理的特殊性要求模板设计考虑:
ice_template = {
type=PromptTemplate,
template={opt: f'{question_and_options}\nAnswer: {opt}\n' for opt in CHOICES}
这种设计实现了:
- 为每个选项生成独立模板
- 保持问题与选项的完整呈现
- 明确标注答案位置
3. 推理器工作机制
PPLInferencer的核心工作流程:
- 对每个选项生成独立prompt
- 计算每个prompt的困惑度
- 选择困惑度最低的选项作为预测结果
- 与标注答案比对计算准确率
典型问题解决方案
配置错误排查
当出现推理异常时,应重点检查:
- output_column是否指向原始选项标识
- prompt模板是否包含完整的问题和选项信息
- CHOICES列表是否与数据集实际选项匹配
性能优化建议
对于MMLU_Pro这类多选项数据集:
- 合理设置FixKRetriever的示例数量(通常3-5个)
- 确保hint信息准确反映题目领域
- 验证选项数量一致性(标准MMLU为4选项,Pro版可能扩展)
实践应用价值
正确实现PPL推理后:
- 可准确评估模型在各学科领域的知识掌握度
- 支持zero-shot和few-shot两种评估模式
- 为模型能力分析提供细粒度指标
总结
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
deepin linux kernel
C
24
6
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
243
2.4 K
React Native鸿蒙化仓库
JavaScript
216
291
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
353
1.61 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
405
暂无简介
Dart
540
118
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.01 K
591
仓颉编程语言运行时与标准库。
Cangjie
123
99
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
592
117