BUG：ceval, cmmlu和mmlu中选项ABCD的概率计算错误

[naturesphere]

Skywork/eval/文件夹下的evaluate_ceval.py, evaluate_cmmlu.py和evaluate_mmlu.py文件中，获取选项ABCD的概率的关键代码如下：

    softval = torch.nn.functional.softmax(
        torch.tensor(
            [
                logits[tokenizer("A")["input_ids"][-1]],
                logits[tokenizer("B")["input_ids"][-1]],
                logits[tokenizer("C")["input_ids"][-1]],
                logits[tokenizer("D")["input_ids"][-1]],
            ]
        ),
        dim=0,
    )

以选项A为例：
tokenizer("A")会把“A“认为是一个句子，在”A“前面拼接句子开始标志”_“。因此tokenizer实际上转化的字符为“<s> _A”，得到input_ids=[1, 319]。代码中tokenizer("A")["input_ids"][-1]取得的id是319，对应的字符为“_A”，而真正“A”字符对应的id是:

tokenizer.convert_tokens_to_ids('A')=29909.

BCD选项也存在同样的问题。

评估时的一个full_prompt的例子格式如下：

以下是关于农学的单项选择题，请直接给出正确答案的选项。

题目：肉牛屠宰后，胴体的哪个部位肉质较好
A. 胸
B. 腹
C. 大腿
D. 小腿
答案：C

……

题目：羊胴体中，肉质较好的部位是
A. 胸下肉
B. 肩胛肉
C. 后腿肉
D. 小腿肉
答案：C

以下是关于农学的单项选择题，请直接给出正确答案的选项。

题目：在农业生产中被当作极其重要的劳动对象发挥作用，最主要的不可替代的基本生产资料是
A. 农业生产工具
B. 土地
C. 劳动力
D. 资金
答案：

根据full_prompt例子的格式，选项应该填在“答案：”后面，不应该另起一行。
因此选择ABCD选项的id时，应该取“A”“B”“C”"D"字符的概率，而不是“_A”,"_B","_C","_D"字符的概率。

[TianwenWei]

我们的实现是正确的。孤立的“A”在BPE中指的是非词首的“A”，例如"helloA"里面的A。词首"A"，即"_A"才是选项对应。

[naturesphere]

我们的实现是正确的。孤立的“A”在BPE中指的是非词首的“A”，例如"helloA"里面的A。词首"A"，即"_A"才是选项对应。

prompt给的例子里，例如“答案：C”里，冒号和C之间没有空格，是直接连着的。从构造prompt的代码中能看到:

def format_example(line, subject, include_answer=True):
    example = f"以下是中国关于{task2desc[subject]}考试的单项选择题，请选出其中的正确答案。\n\n"
    example = example + line["question"]
    for choice in choices:
        example += f'\n{choice}. {line[f"{choice}"]}'

    if include_answer:
        example += "\n答案：" + line["answer"] + "\n\n"
    else:
        example += "\n答案："
    return example

example += "\n答案：" + line["answer"] + "\n\n" 这里，“答案：”后面直接接选项。
以“答案：A”为例:

tokenizer("答案：A")['input_ids'] = [1, 29871, 40738, 30383, 29909]

A对应的编码是29909。如果在冒号和A之间加入空格：

tokenizer("答案： A")['input_ids']=[1, 29871, 40738, 30383, 319]

此时，A对应的编码是319，即字符'▁A'对应的编码。

[liuyijiang1994]

我们的实现是正确的。孤立的“A”在BPE中指的是非词首的“A”，例如"helloA"里面的A。词首"A"，即"_A"才是选项对应。

prompt给的例子里，例如“答案：C”里，冒号和C之间没有空格，是直接连着的。从构造prompt的代码中能看到:

def format_example(line, subject, include_answer=True):
    example = f"以下是中国关于{task2desc[subject]}考试的单项选择题，请选出其中的正确答案。\n\n"
    example = example + line["question"]
    for choice in choices:
        example += f'\n{choice}. {line[f"{choice}"]}'

    if include_answer:
        example += "\n答案：" + line["answer"] + "\n\n"
    else:
        example += "\n答案："
    return example

example += "\n答案：" + line["answer"] + "\n\n" 这里，“答案：”后面直接接选项。 以“答案：A”为例:

tokenizer("答案：A")['input_ids'] = [1, 29871, 40738, 30383, 29909]

A对应的编码是29909。如果在冒号和A之间加入空格：

tokenizer("答案： A")['input_ids']=[1, 29871, 40738, 30383, 319]

此时，A对应的编码是319，即字符'▁A'对应的编码。

他们也许是想直接输出句首A作为答案，而不是答案字符串中的A.