OpenCompass中MedBench数据集评估问题的分析与解决方案

问题背景

OpenCompass作为一个开源的大模型评估框架，在其最新版本0.2.2中集成了MedBench医疗基准测试数据集。然而，在实际使用过程中，用户反馈在尝试运行MedBench评估时遇到了多个技术问题，导致评估流程无法正常完成。

核心问题分析

经过深入分析，我们发现当前OpenCompass中的MedBench实现存在以下几个关键问题：

1. 配置文件缺失：系统引用了名为medbench_gen_d44f24.py的配置文件，但该文件在实际代码库中并不存在，导致Config加载失败。

2. 命名不一致问题：

   • 安全评估数据集在下载包和排行榜中称为"MedSafety"
   • 在部分配置文件中称为"MedSafety"
   • 在0.2.2.rc1版本中称为"SafetyBench"
   • 在数据集加载器中又被称为"SafetyBench"

3. 评估器缺失：配置中引用的MedBenchEvaluator_SMDoc评估器类在代码库中不存在。

技术解决方案

针对上述问题，我们建议采取以下解决方案：

临时解决方案

1. 文件重命名：将medbench_gen.py重命名为medbench_gen_d44f24.py，确保与引用一致。

2. 数据集文件处理：移除数据集文件中多余的"_test"后缀，例如将DrugCA_test.jsonl重命名为DrugCA.jsonl。

3. 依赖版本调整：将transformers升级至4.33.0版本，解决分词器相关错误。

长期建议

1. 统一命名规范：开发团队应建立统一的命名规范，确保从配置文件到数据集加载器使用一致的命名。

2. 完善文档：明确说明MedBench数据集的使用方法和注意事项，包括数据集下载后的预处理步骤。

3. 版本兼容性：在项目文档中明确标注各功能支持的transformers版本范围。

最佳实践

对于需要进行医疗大模型评估的研究人员，我们建议：

1. 直接从MedBench官方网站获取最新数据集和评估指南。

2. 关注OpenCompass的版本更新，及时获取对MedBench的官方支持。

3. 在本地评估时，确保严格按照数据集要求进行文件命名和目录结构配置。

总结

OpenCompass作为大模型评估的重要工具，其MedBench集成仍在不断完善中。开发团队已表示将在下一版本中解决当前存在的问题。对于急需进行医疗大模型评估的用户，建议直接通过MedBench官方平台提交评估请求，以获得最准确和稳定的评估结果。同时，我们也期待OpenCompass在未来版本中提供更加完善的医疗领域评估支持。