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 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 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 run.sh
该命令将依次完成:
- 生成各模态预测结果
- 计算各任务得分
- 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 run.sh --step 1
只运行第1、2步:
bash run.sh --step 12
只运行第2、3步:
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。