Skip to content
Open
Show file tree
Hide file tree
Changes from all commits
Commits
File filter

Filter by extension

Filter by extension

Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
7 changes: 6 additions & 1 deletion runner.py
Original file line number Diff line number Diff line change
Expand Up @@ -27,6 +27,7 @@ def main() -> None:
Примеры использования:
python runner.py # Запустить оценку на всех датасетах (по умолчанию)
python runner.py --dataset russianmath # Запустить только на датасете RussianMath
python runner.py --dataset demidovich # Запустить только на датасете MathDemon_Demidovich
python runner.py --dataset physics # Запустить только на датасете RussianPhysics
python runner.py --no-cache # Игнорировать кэш и переоценить все модели
python runner.py --max-workers 8 # Использовать 8 параллельных потоков
Expand All @@ -51,7 +52,7 @@ def main() -> None:
)
parser.add_argument(
"--dataset",
choices=["all", "russianmath", "physics"],
choices=["all", "russianmath", "physics", "demidovich"],
default="all",
help="Выбор датасета для оценки: all (все), russianmath, physics (по умолчанию: all)",
)
Expand Down Expand Up @@ -91,6 +92,10 @@ def main() -> None:
print("\nЗапуск оценки на датасете RussianMath")
leaderboard.evaluate_all_models(system_prompts)

if args.dataset == "all" or args.dataset == "demidovich":
print("\nЗапуск оценки на датасете MathDemon_Demidovich")
leaderboard.evaluate_demidovich_models(system_prompts)

if args.dataset == "all" or args.dataset == "physics":
print("\nЗапуск оценки на датасете RussianPhysics")
leaderboard.evaluate_physics_models(system_prompts)
Expand Down
Loading