Описание задачи
AquaBench — датасет, предназначенный для измерения профессиональных знаний модели, приобретенных в процессе предобучения в области аквакультуры.
Аквакультура — важный сектор агропромышленного комплекса, занимающийся разведением водных организмов (рыб, ракообразных, моллюсков, водорослей). Предприятия аквакультуры являются производителями ценного белка и помогают сохранить исчезающие виды, такие как осетровые и лососевые, выпуская мальков в водоемы. Развитие аквакультуры имеет стратегическое значение для продуктовой безопасности страны и позволяет выращивать разнообразные водные виды, вылов которых в дикой природе запрещен или невозможен.
Датасет полностью оригинальный, составлен на русском языке и включает 1102 задания закрытого типа. Для каждого вопроса — от четырех до восьми вариантов ответа, один или несколько из которых могут быть правильными. Темы охватывают несколько направлений: индустриальную аквакультуру, кормление рыбы и гидробионтов, марикультуру (например, разведение раков, креветок, выращивание жемчуга), а также ихтиопатологию (ветеринария, профилактика и оптимизация технологий выращивания рыбы).
Ключевые слова: Сельское хозяйство, АПК, Агропромышленный комплекс, Аграрный сектор, Рыбоводство, Аквакультура, Индустриальная аквакультура, Кормление рыбы и других гидробионтов, Марикультура, Разведение раков, Разведение креветок, Искусственное выращивание жемчуга, Ихтиопатология
Авторы: Кубанский государственный аграрный университет
Мотивация
Данная задача является одним из восьми бенчмарков в наборе по сельскому хозяйству и предназначена для проверки профессиональных знаний в области аквакультуры. По своей структуре и назначению она напоминает общеизвестный тест MMLU и подходит для всестороннего тестирования языковых моделей на качество понимания и ответов в професиональной области. Мы предоставляем публичную тестовую версию аквабенчмарка по формату MMLU на русском языке для оценки возможностей моделей на реальных профессиональных задачах.
Описание датасета
Поля датасета
subset
— строка, обозначающая предметную область вопроса;answer
— строка, содержащая буквы правильных ответов через запятую (от A до H);context
— список словарей, где каждый словарь описывает роль и содержимое внутри роли;role
— строка, определяющая роль (например, "system" или "user");content
— строка, содержащая собственно сообщение (в рамках "user" это формулировка тестового вопроса с вариантами ответа, в рамках "system" это строка, содержащая инструкции для задачи и информацию о требованиях к формату вывода модели).
Промпты
Для датасета было подготовлено 10 промптов различной сложности.
Пример:
"Ниже приведены вопросы с множественным выбором (с ответами) по теме {subset}. Напиши только букву\/буквы ответа."
Создание датасета
Все задачи данного сета были созданы ведущими экспертами в области аквакультуры, отредактированы профессиональными редакторами, затем вручную перепроверены по очереди тремя экспертами.
Метрика
В качестве метрики качества используется Accuracy, Exact Match.