File size: 3,002 Bytes
0eb3766 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 |
# GenBench 评分系统 - 用户使用说明
本系统用于评估大模型在 General-Bench 多模态任务集上的表现,可完成预测、评分和最终得分计算。
## 环境准备
- Python 3.9 及以上
- 推荐提前安装依赖(如 pandas, numpy, openpyxl 等)
- Video Generation评测,需要按照video_generation_evaluation/README.md中的步骤安装依赖
- Video Comprehension评测,需要按照[sa2va](https://github.com/magic-research/Sa2VA)中的README.md中的步骤安装依赖。
## 数据集下载
- **Open Set(公开数据集)**:请从 [HuggingFace General-Bench-Openset](https://huggingface.co/datasets/General-Level/General-Bench-Openset) 下载全部数据,解压后放入 `General-Bench-Openset/` 目录。
- **Close Set(私有数据集)**:请从 [HuggingFace General-Bench-Closeset](https://huggingface.co/datasets/General-Level/General-Bench-Closeset) 下载全部数据,解压后放入 `General-Bench-Closeset/` 目录。
## 一键运行
请直接运行主脚本 `run.sh`,即可完成全部流程:
```bash
bash run.sh
```
该命令将依次完成:
1. 生成各模态预测结果
2. 计算各任务得分
3. 计算最终 Level 得分
## 分步运行(可选)
如只需运行部分步骤,可使用 `--step` 参数:
- 只运行第1步(生成预测):
```bash
bash run.sh --step 1
```
- 只运行第1、2步:
```bash
bash run.sh --step 12
```
- 只运行第2、3步:
```bash
bash run.sh --step 23
```
- 不加参数默认全部执行(等价于 `--step 123`)
- 步骤1:生成预测结果prediction.json,存在每一个数据集的annotation.json同级目录下
- 步骤2:计算每个任务的得分,存在outcome/{model_name}_result.xlsx中
- 步骤3:计算相关模型的Level得分
> **注意:**
> - 使用 **Close Set(私有数据集)** 时,只需运行 step1(即 `bash run.sh --step 1`),并将生成的 prediction.json 提交到系统。
> - 使用 **Open Set(公开数据集)** 时,需依次运行 step1、step2、step3(即 `bash run.sh --step 123`),完成全部评测流程。
## 结果查看
- 预测结果(prediction.json)会输出到每个任务对应的数据集文件夹下,与 annotation.json 同级。
- 评分结果(如 Qwen2.5-7B-Instruct_result.xlsx)会输出到 outcome/ 目录。
- 最终 Level 得分会直接在终端打印输出。
## 目录说明
- `General-Bench-Openset/`:公开数据集目录
- `General-Bench-Closeset/`:私有数据集目录
- `outcome/`:输出结果目录
- `references/`:参考模板目录
- `run.sh`:主运行脚本(推荐用户只用此脚本)
## 常见问题
- 如遇依赖缺失,请根据报错信息安装相应 Python 包。
- 如需自定义模型或数据路径,可编辑 `run.sh` 脚本中的相关变量。
---
如需进一步帮助,请联系系统维护者或查阅详细开发文档。 |