You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
ChatGLM2-6B/evaluation/README.md

607 B

首先从 Tsinghua Cloud 下载处理好的 C-Eval 数据集,解压到 evaluation 目录下。然后运行

cd evaluation
python evaluate_ceval.py

这个脚本会在C-Eval的验证集上进行预测并输出准确率。如果想要得到测试集上的结果可以将代码中的 ./CEval/val/**/*.jsonl 改为 ./CEval/test/**/*.jsonl,并按照 C-Eval 规定的格式保存结果并在 官网 上提交。

汇报的结果使用的是内部的并行测试框架,结果可能会有轻微波动。