CMMLU

CMMLU是什么

CMMLU是综合性的中文评估基准，专门用在评估语言模型在中文语境下的知识和推理能力，涵盖从基础学科到高级专业水平的67个主题。包括需要计算和推理的自然科学，需要知识的人文科学和社会科学，及需要生活常识的中国驾驶规则等。CMMLU中的许多任务具有中国特定的答案，可能在其他地区或语言中并不普遍适用。CMMLU提供丰富的测试数据和排行榜，支持多种评估方式，如five-shot和zero-shot测试，是衡量中文语言模型性能的重要工具。

CMMLU的主要功能

排行榜：展示不同语言模型在five-shot和zero-shot测试下的表现，帮助比较模型性能。
数据集：提供开发和测试数据，支持快速使用和评估。
预处理代码：提供提示生成方法，方便模型训练和测试。
评估工具：支持多种评估方式，便于研究者和开发者测试模型能力。

如何使用CMMLU

获取数据集：
- 从GitHub下载：访问 CMMLU GitHub页面：https://github.com/haonan-li/CMMLU/，在data目录中找到开发和测试数据集。
- 通过Hugging Face获取：访问Hugging Face平台：https://huggingface.co/datasets/haonan-li/cmmlu，直接加载CMMLU数据集。
准备测试环境：
- 安装依赖：确保安装了必要的Python库，如transformers、datasets等。
- 克隆代码库：克隆CMMLU的GitHub仓库，获取测试代码和预处理工具。

git clone https://github.com/haonan-li/CMMLU.git
cd CMMLU

预处理数据：在src/mp_utils目录中，使用提供的脚本对数据进行预处理，生成适合模型输入的格式。

python src/mp_utils/preprocess.py

运行评估代码
- 选择模型：根据需要评估的语言模型，加载模型和tokenizer。
- 运行测试脚本：在script目录中，运行测试脚本，评估模型在不同任务上的表现。

python script/evaluate.py --model <model_name> --data_path <data_path>

提交测试结果：
- 开源模型：直接提交拉取请求（PR），更新测试代码和结果。
- 未开放模型：将测试代码和结果发送到指定邮箱（如haonan.li@librai.tech），等待验证后更新到排行榜。
分析结果：在GitHub页面的排行榜部分，查看模型在不同任务上的表现，分析模型的优缺点。