fix: 修复代码格式和尾部空白问题

Author: XiaoBoAI

cookbooks/zero_shot_evaluation/report_generator.py

@@ -68,9 +68,7 @@ def _prepare_context(
         original_details = [d for d in details if d.order == "original"]
 
         # Format rankings
-        rankings_text = "\n".join(
-            f"{i+1}. {name}: {rate:.1%}" for i, (name, rate) in enumerate(result.rankings)
-        )
+        rankings_text = "\n".join(f"{i+1}. {name}: {rate:.1%}" for i, (name, rate) in enumerate(result.rankings))
 
         # Format rubrics
         rubrics_text = "\n".join(f"- {r}" for r in rubrics)
@@ -105,9 +103,7 @@ def _prepare_context(
 
     async def _call_llm(self, prompt: str) -> str:
         """Call LLM with given prompt."""
-        lang_instruction = (
-            "Output in Chinese (中文)." if self.language == "zh" else "Output in English."
-        )
+        lang_instruction = "Output in Chinese (中文)." if self.language == "zh" else "Output in English."
         messages = [
             {"role": "system", "content": f"You are an expert AI evaluation analyst. {lang_instruction}"},
             {"role": "user", "content": prompt},
@@ -147,13 +143,15 @@ async def _gen_ranking_explanation(self, ctx: dict) -> str:
 
         # Best model wins: either (model_a=best and winner=model_a) or (model_b=best and winner=model_b)
         winning_examples = [
-            d for d in ctx["all_details"]
+            d
+            for d in ctx["all_details"]
             if (d.model_a == best and d.winner == "model_a") or (d.model_b == best and d.winner == "model_b")
         ][:2]
 
         # Best model loses: either (model_a=best and winner=model_b) or (model_b=best and winner=model_a)
         losing_examples = [
-            d for d in ctx["all_details"]
+            d
+            for d in ctx["all_details"]
             if (d.model_a == best and d.winner == "model_b") or (d.model_b == best and d.winner == "model_a")
         ][:1]
 
@@ -271,4 +269,3 @@ def _format_win_matrix(self, win_matrix: dict) -> str:
             for model_b, rate in opponents.items():
                 lines.append(f"  {model_a} vs {model_b}: {rate:.1%}")
         return "\n".join(lines)
-

evaluation_results/oncology_translation/evaluation_report.md

@@ -27,15 +27,15 @@
 ### 二、关键差异分析：qwen-plus vs. 其他模型
 
 #### 1. **vs. qwen-turbo（39.3%）：风格与精度的差距明显**
-qwen-turbo 虽然推理速度快（“turbo”命名暗示其效率导向），但在医学翻译这类高精度任务中表现较弱。  
+qwen-turbo 虽然推理速度快（“turbo”命名暗示其效率导向），但在医学翻译这类高精度任务中表现较弱。
 - 在 **Example 1** 中，qwen-plus 使用主动语态（*“experienced disease progression”*），而 qwen-turbo（假设为 Response B）采用被动语态（*“disease progression occurred”*），虽语法正确，但不符合医学英语偏好简洁、直接表达的趋势。
 - 在 **Example 2** 中，qwen-plus 正确使用现在时 *“harbors EGFR L858R mutation”*，准确反映基因突变的持续存在；而 qwen-turbo 使用过去时 *“harbored”*，可能误导读者认为突变已消失，**损害了临床忠实度**。
 - 此外，qwen-plus 更倾向于使用医学文献中惯用的动词如 *“revealed”*（用于检测结果），而非泛化表达，体现出更强的**术语惯例一致性**。
 
 > **结论**：qwen-turbo 在速度与通用性上可能有优势，但在专业医学翻译所需的精确性、时态逻辑和文体规范上明显逊色。
 
 #### 2. **vs. qwen3-32b（42.9%）：大模型参数≠临床翻译优势**
-尽管 qwen3-32b 是参数量更大的基础模型，理论上具备更强的语言建模能力，但在本任务中仅略优于 qwen-turbo，远落后于 qwen-plus。  
+尽管 qwen3-32b 是参数量更大的基础模型，理论上具备更强的语言建模能力，但在本任务中仅略优于 qwen-turbo，远落后于 qwen-plus。
 - 值得注意的是，在 **Example 3** 中，**qwen3-32b 实际胜出**：其使用 *“Following an R0 resection”* 比 qwen-plus 的 *“After undergoing R0 resection”* 更简洁流畅，体现了良好的医学英语语感。
 - 然而，这种优势是**局部且偶发的**。整体来看，qwen3-32b 在关键临床要素（如突变状态时态、治疗线数表述、生物标志物命名）上不如 qwen-plus 稳定。
 - 胜率矩阵显示，qwen3-32b 与 qwen-turbo 互有胜负（各 50%），说明其表现波动较大，缺乏 qwen-plus 那种**系统性优势**。
@@ -80,61 +80,61 @@ qwen-turbo 虽然推理速度快（“turbo”命名暗示其效率导向），
 
 ### **1. qwen-plus**
 
-**总体评估：**  
+**总体评估：**
 qwen-plus 在本次评估中表现最佳，胜率最高（9胜5负），显示出对肿瘤学术语、临床语境和医学写作风格的较强把握能力。其翻译在准确性与语言流畅性之间取得了良好平衡。
 
-**关键优势：**  
-- **术语准确性高**：能正确使用国际通用的肿瘤学术语，如基因突变命名（如“EGFR L858R mutation”）和药物名称（如“osimertinib”）。  
-- **语言风格符合医学规范**：偏好使用更地道的医学表达，例如“within the normal range”、“revealed”等，体现出对英文医学文献惯用语的熟悉。  
+**关键优势：**
+- **术语准确性高**：能正确使用国际通用的肿瘤学术语，如基因突变命名（如“EGFR L858R mutation”）和药物名称（如“osimertinib”）。
+- **语言风格符合医学规范**：偏好使用更地道的医学表达，例如“within the normal range”、“revealed”等，体现出对英文医学文献惯用语的熟悉。
 - **句式简洁流畅**：常采用主动语态（如“experienced disease progression”），使句子更具可读性和临床报告感。
 
-**关键弱点：**  
-- 虽然整体表现优异，但在少数案例中可能略显简洁而牺牲部分细节（未在样本理由中明确体现，但胜率非全胜说明仍有提升空间）。  
+**关键弱点：**
+- 虽然整体表现优异，但在少数案例中可能略显简洁而牺牲部分细节（未在样本理由中明确体现，但胜率非全胜说明仍有提升空间）。
 
-**改进建议：**  
-- 在保持简洁的同时，确保所有临床细节（如时间顺序、治疗线数）无遗漏；  
+**改进建议：**
+- 在保持简洁的同时，确保所有临床细节（如时间顺序、治疗线数）无遗漏；
 - 可进一步强化对复杂治疗方案缩写（如FOLFOXIRI）的标准格式一致性检查。
 
 ---
 
 ### **2. qwen3-32b**
 
-**总体评估：**  
+**总体评估：**
 qwen3-32b 表现中等（6胜8负），具备基本的医学翻译能力，但在术语一致性、时态使用和文体规范方面偶有偏差，导致在与qwen-plus对比时处于劣势。
 
-**关键优势：**  
-- **部分场景下语言更精炼**：如使用“Following an R0 resection”体现对专业缩写的正确理解和简洁表达；  
+**关键优势：**
+- **部分场景下语言更精炼**：如使用“Following an R0 resection”体现对专业缩写的正确理解和简洁表达；
 - **整体临床含义传达准确**：未出现重大语义扭曲或术语误译。
 
-**关键弱点：**  
-- **时态使用不一致**：例如未能统一使用现在时描述持续存在的基因状态（应为“harbors”而非过去时），违反医学写作惯例；  
-- **文体略显口语化或冗余**：如使用“combined with”而非标准缩写格式（如“FOLFIRI + bevacizumab”），不符合同行评审文献风格；  
+**关键弱点：**
+- **时态使用不一致**：例如未能统一使用现在时描述持续存在的基因状态（应为“harbors”而非过去时），违反医学写作惯例；
+- **文体略显口语化或冗余**：如使用“combined with”而非标准缩写格式（如“FOLFIRI + bevacizumab”），不符合同行评审文献风格；
 - **被动语态或措辞不够地道**：相比“revealed”，可能使用了较弱的动词，影响专业感。
 
-**改进建议：**  
-- 强化医学英语时态规则训练（如遗传特征、疾病状态用现在时）；  
-- 建立标准肿瘤学缩写与组合疗法的格式库，确保输出符合ASCO、NCCN等指南中的表述惯例；  
+**改进建议：**
+- 强化医学英语时态规则训练（如遗传特征、疾病状态用现在时）；
+- 建立标准肿瘤学缩写与组合疗法的格式库，确保输出符合ASCO、NCCN等指南中的表述惯例；
 - 优化动词选择，优先采用医学文献高频动词（如“demonstrated”, “revealed”, “showed”）。
 
 ---
 
 ### **3. qwen-turbo**
 
-**总体评估：**  
+**总体评估：**
 qwen-turbo 与 qwen3-32b 胜率相同（6胜8负），但其问题模式显示其在基础准确性上尚可，但在语言风格和专业细节处理上稳定性不足。
 
-**关键优势：**  
-- **在某些案例中展现出良好的时态意识**：如正确使用“harbors”描述基因突变状态；  
+**关键优势：**
+- **在某些案例中展现出良好的时态意识**：如正确使用“harbors”描述基因突变状态；
 - **核心临床信息基本完整**：未出现严重漏译或误译。
 
-**关键弱点：**  
-- **语言流畅性与地道性不足**：多次因表达不如对手“idiomatic”或“concise”而落败；  
-- **被动或冗长句式较多**：影响医学文本所需的清晰与效率；  
+**关键弱点：**
+- **语言流畅性与地道性不足**：多次因表达不如对手“idiomatic”或“concise”而落败；
+- **被动或冗长句式较多**：影响医学文本所需的清晰与效率；
 - **对细微术语差异敏感度较低**：如“within the normal range”这类固定搭配未能稳定输出。
 
-**改进建议：**  
-- 针对医学英语常用短语和固定搭配进行专项微调（如实验室值、影像学描述）；  
-- 提升句式多样性控制，在保证准确前提下优先选择主动语态和紧凑结构；  
+**改进建议：**
+- 针对医学英语常用短语和固定搭配进行专项微调（如实验室值、影像学描述）；
+- 提升句式多样性控制，在保证准确前提下优先选择主动语态和紧凑结构；
 - 引入更多高质量肿瘤学平行语料（如NEJM、JCO摘要）进行风格对齐训练。
 
 ---