config for parsing MATH
まだ誰も着手していません。
評価
- 難易度
- 4/5
- 見積もり時間
- 3〜5日
- 初心者へのやさしさ
- 35/100
- issue の種類
- バグ
- 明瞭さ
- 説明が足りない
- 活発さ
- 停滞
- 技術スタック
- python
- 領域
- testing-qa
調査の方向性
lm_evals の minerva_math フローから始め、last_boxed_only_string、remove_boxed、normalize_final_answer、parse、verify が boxed と unboxed の分数をどのように処理するかを追跡します。リンクされている lighteval のロジックと比較し、関連する MATH の subtasks 全体で両方の形式をテストします。意図した正規化および parsing の動作が定義され、カバーされていれば完了です。
索引モデルが issue の本文から書いたものです。
説明
Hi! Currently debugging and updating lm_evals's implementation of minerva_math. Currently we basically use:
gold = parse(normalize_final_answer(remove_boxed(last_boxed_only_string(doc["solution"]))))
answer = parse(raw_model_output)
and then verify(gold, answer)
however, this does have some edge cases for example for a gold (after removing boxed):
parse("\\dfrac{9}{7}")
>>> []
but with boxed works correctly:
parse("\\boxed{\\dfrac{9}{7}}")
>>> [9/7, '\\frac{9}{7}']
I was looking at how lighteval does it, and would this generally work on most MATH tasks, or do y'll handle sub tasks differently? Should we also normalize before parsing?
Would appreciate any thoughts!
- 主要言語
- Python
- スター
- 1.2k
- フォーク
- 65
- PR マージ指標
- 30日以内にマージされた PR はありません
環境構築
このプロジェクトには開発コンテナ、Dockerfile、コントリビューションガイドがありません。まず README を読み、一般的な手順ははじめてのコントリビューションガイドを参照してください。
はじめの一歩
- issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
- 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
- リポジトリをフォークし、ブランチを切って変更します。
- issue 番号を参照したプルリクエストを送ります。
huggingface/Math-Verify のほかの issue
-
verify() raises ValueError comparing chained relations of different length対応中かも @chetana1410 が 2 日前に担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 84/100
huggingface/Math-Verify#93 ·
-
A period inside the math delimiters (`$\frac{1}{3}.$`) makes correct answers fail and can make wrong ones pass対応中かも @MohammadHijjawi97 が 25 日前に担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 90/100
huggingface/Math-Verify#85 ·
-
evaluate_model_outputs.py: rows whose gold cannot be extracted are dropped from the accuracy denominator, so the printed accuracy disagrees with the is_correct column the script writes対応中かも @shaurya416 が 30 日前に担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 84/100
huggingface/Math-Verify#83 ·
-
verify() rejects a not-equal written in the other order対応中かも @chetana1410 が 1 日前に担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 35/100
huggingface/Math-Verify#100 ·
-
verify() rejects an absolute-value inequality that is the same interval対応中かも @chetana1410 が 1 日前に担当しました。 オープン
難易度 4/5 3〜5日 初心者へのやさしさ 35/100
huggingface/Math-Verify#98 ·
huggingface/Math-Verify の issue をすべて見る
似ている issue
-
link-rot
難易度 1/5 1時間未満 初心者へのやさしさ 67/100
-
難易度 2/5 1〜3時間 初心者へのやさしさ 82/100
developmentseed/titiler-cmr#265 ·
メンテナーはふだん 1 日以内に返信
-
bug
難易度 2/5 1〜3時間 初心者へのやさしさ 72/100
メンテナーはふだん 1 日以内に返信
-
Insecure Brotli version <1.2.1対応中かも @jamescw19 が今日担当しました。 オープン
難易度 1/5 1時間未満 初心者へのやさしさ 85/100
stac-utils/stac-fastapi-pgstac#438 · リアクション 1 件 ·
-
bug triage
難易度 2/5 1〜3時間 初心者へのやさしさ 66/100
メンテナーはふだん 1 日以内に返信