Merge branch 'smolrefact' into tasklist

# Conflicts:
#	lm_eval/__main__.py
#	lm_eval/api/group.py
#	lm_eval/api/task.py
#	lm_eval/evaluator_utils.py
#	lm_eval/tasks/__init__.py
#	lm_eval/utils.py
#	pyproject.toml

lm_eval/tasks/mmlu_prox/mr/mmlu_prox_mr_business.yaml

+description: 'खाली व्यवसाय विषयावरील बहुपर्यायी प्रश्न आहेत (उत्तरांसह). कृपया पायरी
+  पायरीने विचार करा आणि आपले उत्तर "उत्तर आहे (X)" असे संपवा, जिथे X हे योग्य पर्यायाचे
+  अक्षर आहे.
+
+  '
+include: _mr_template_yaml
+task: mmlu_prox_mr_business
+task_alias: business
+process_docs: !function utils.process_business

lm_eval/tasks/mmlu_prox/mr/mmlu_prox_mr_chemistry.yaml

+description: 'खाली रसायनशास्त्र विषयावरील बहुपर्यायी प्रश्न आहेत (उत्तरांसह). कृपया
+  पायरी पायरीने विचार करा आणि आपले उत्तर "उत्तर आहे (X)" असे संपवा, जिथे X हे योग्य
+  पर्यायाचे अक्षर आहे.
+
+  '
+include: _mr_template_yaml
+task: mmlu_prox_mr_chemistry
+task_alias: chemistry
+process_docs: !function utils.process_chemistry

lm_eval/tasks/mmlu_prox/mr/mmlu_prox_mr_computer_science.yaml

+description: 'खाली संगणकशास्त्र विषयावरील बहुपर्यायी प्रश्न आहेत (उत्तरांसह). कृपया
+  पायरी पायरीने विचार करा आणि आपले उत्तर "उत्तर आहे (X)" असे संपवा, जिथे X हे योग्य
+  पर्यायाचे अक्षर आहे.
+
+  '
+include: _mr_template_yaml
+task: mmlu_prox_mr_computer_science
+task_alias: computer_science
+process_docs: !function utils.process_computer_science

lm_eval/tasks/mmlu_prox/mr/mmlu_prox_mr_economics.yaml

+description: 'खाली अर्थशास्त्र विषयावरील बहुपर्यायी प्रश्न आहेत (उत्तरांसह). कृपया
+  पायरी पायरीने विचार करा आणि आपले उत्तर "उत्तर आहे (X)" असे संपवा, जिथे X हे योग्य
+  पर्यायाचे अक्षर आहे.
+
+  '
+include: _mr_template_yaml
+task: mmlu_prox_mr_economics
+task_alias: economics
+process_docs: !function utils.process_economics

lm_eval/tasks/mmlu_prox/mr/mmlu_prox_mr_engineering.yaml

+description: 'खाली अभियांत्रिकी विषयावरील बहुपर्यायी प्रश्न आहेत (उत्तरांसह). कृपया
+  पायरी पायरीने विचार करा आणि आपले उत्तर "उत्तर आहे (X)" असे संपवा, जिथे X हे योग्य
+  पर्यायाचे अक्षर आहे.
+
+  '
+include: _mr_template_yaml
+task: mmlu_prox_mr_engineering
+task_alias: engineering
+process_docs: !function utils.process_engineering

lm_eval/tasks/mmlu_prox/mr/mmlu_prox_mr_health.yaml

+description: 'खाली आरोग्य विषयावरील बहुपर्यायी प्रश्न आहेत (उत्तरांसह). कृपया पायरी
+  पायरीने विचार करा आणि आपले उत्तर "उत्तर आहे (X)" असे संपवा, जिथे X हे योग्य पर्यायाचे
+  अक्षर आहे.
+
+  '
+include: _mr_template_yaml
+task: mmlu_prox_mr_health
+task_alias: health
+process_docs: !function utils.process_health

lm_eval/tasks/mmlu_prox/mr/mmlu_prox_mr_history.yaml

+description: 'खाली इतिहास विषयावरील बहुपर्यायी प्रश्न आहेत (उत्तरांसह). कृपया पायरी
+  पायरीने विचार करा आणि आपले उत्तर "उत्तर आहे (X)" असे संपवा, जिथे X हे योग्य पर्यायाचे
+  अक्षर आहे.
+
+  '
+include: _mr_template_yaml
+task: mmlu_prox_mr_history
+task_alias: history
+process_docs: !function utils.process_history

lm_eval/tasks/mmlu_prox/mr/mmlu_prox_mr_law.yaml

+description: 'खाली कायदा विषयावरील बहुपर्यायी प्रश्न आहेत (उत्तरांसह). कृपया पायरी
+  पायरीने विचार करा आणि आपले उत्तर "उत्तर आहे (X)" असे संपवा, जिथे X हे योग्य पर्यायाचे
+  अक्षर आहे.
+
+  '
+include: _mr_template_yaml
+task: mmlu_prox_mr_law
+task_alias: law
+process_docs: !function utils.process_law

lm_eval/tasks/mmlu_prox/mr/mmlu_prox_mr_math.yaml

+description: 'खाली गणित विषयावरील बहुपर्यायी प्रश्न आहेत (उत्तरांसह). कृपया पायरी
+  पायरीने विचार करा आणि आपले उत्तर "उत्तर आहे (X)" असे संपवा, जिथे X हे योग्य पर्यायाचे
+  अक्षर आहे.
+
+  '
+include: _mr_template_yaml
+task: mmlu_prox_mr_math
+task_alias: math
+process_docs: !function utils.process_math

lm_eval/tasks/mmlu_prox/mr/mmlu_prox_mr_other.yaml

+description: 'खाली इतर विषयावरील बहुपर्यायी प्रश्न आहेत (उत्तरांसह). कृपया पायरी पायरीने
+  विचार करा आणि आपले उत्तर "उत्तर आहे (X)" असे संपवा, जिथे X हे योग्य पर्यायाचे अक्षर
+  आहे.
+
+  '
+include: _mr_template_yaml
+task: mmlu_prox_mr_other
+task_alias: other
+process_docs: !function utils.process_other

lm_eval/tasks/mmlu_prox/mr/mmlu_prox_mr_philosophy.yaml

+description: 'खाली तत्त्वज्ञान विषयावरील बहुपर्यायी प्रश्न आहेत (उत्तरांसह). कृपया
+  पायरी पायरीने विचार करा आणि आपले उत्तर "उत्तर आहे (X)" असे संपवा, जिथे X हे योग्य
+  पर्यायाचे अक्षर आहे.
+
+  '
+include: _mr_template_yaml
+task: mmlu_prox_mr_philosophy
+task_alias: philosophy
+process_docs: !function utils.process_philosophy

lm_eval/tasks/mmlu_prox/mr/mmlu_prox_mr_physics.yaml

+description: 'खाली भौतिकशास्त्र विषयावरील बहुपर्यायी प्रश्न आहेत (उत्तरांसह). कृपया
+  पायरी पायरीने विचार करा आणि आपले उत्तर "उत्तर आहे (X)" असे संपवा, जिथे X हे योग्य
+  पर्यायाचे अक्षर आहे.
+
+  '
+include: _mr_template_yaml
+task: mmlu_prox_mr_physics
+task_alias: physics
+process_docs: !function utils.process_physics

lm_eval/tasks/mmlu_prox/mr/mmlu_prox_mr_psychology.yaml

+description: 'खाली मानसशास्त्र विषयावरील बहुपर्यायी प्रश्न आहेत (उत्तरांसह). कृपया
+  पायरी पायरीने विचार करा आणि आपले उत्तर "उत्तर आहे (X)" असे संपवा, जिथे X हे योग्य
+  पर्यायाचे अक्षर आहे.
+
+  '
+include: _mr_template_yaml
+task: mmlu_prox_mr_psychology
+task_alias: psychology
+process_docs: !function utils.process_psychology

lm_eval/tasks/mmlu_prox/mr/utils.py

+from functools import partial
+from os.path import basename, dirname
+
+from lm_eval.tasks.mmlu_prox.lang_libs import LANG_LIBS
+
+
+lang_abbr = basename(dirname(__file__))
+lang_dict = LANG_LIBS[lang_abbr]
+
+choices = [
+    "A",
+    "B",
+    "C",
+    "D",
+    "E",
+    "F",
+    "G",
+    "H",
+    "I",
+    "J",
+    "K",
+    "L",
+    "M",
+    "N",
+    "O",
+    "P",
+]
+
+max_opt_num = 10
+
+
+def format_cot_example(example, including_answer=True):
+    prompt = f"{lang_dict[0]}\n"
+    question = example["question"]
+    prompt += question + "\n"
+    prompt += f"{lang_dict[1]}\n"
+    for i in range(max_opt_num):
+        opt = example[f"option_{i}"]
+        if opt is not None:
+            prompt += "{}. {}\n".format(choices[i], opt)
+    if including_answer:
+        cot_content = example["cot_content"].replace(lang_dict[4], lang_dict[2])
+        prompt += cot_content + "\n\n"
+    else:
+        prompt += lang_dict[2]
+    return prompt
+
+
+doc_to_text = partial(format_cot_example, including_answer=False)
+fewshot_to_text = partial(format_cot_example, including_answer=True)
+
+
+def process_docs(dataset, subject):
+    return dataset.filter(lambda x: x["category"] == subject)
+
+
+process_biology = partial(process_docs, subject="biology")
+process_business = partial(process_docs, subject="business")
+process_chemistry = partial(process_docs, subject="chemistry")
+process_computer_science = partial(process_docs, subject="computer science")
+process_economics = partial(process_docs, subject="economics")
+process_engineering = partial(process_docs, subject="engineering")
+process_health = partial(process_docs, subject="health")
+process_history = partial(process_docs, subject="history")
+process_law = partial(process_docs, subject="law")
+process_math = partial(process_docs, subject="math")
+process_other = partial(process_docs, subject="other")
+process_philosophy = partial(process_docs, subject="philosophy")
+process_physics = partial(process_docs, subject="physics")
+process_psychology = partial(process_docs, subject="psychology")

lm_eval/tasks/mmlu_prox/ne/_mmlu_prox_lite_ne.yaml

+group: mmlu_prox_lite_ne
+task:
+- mmlu_prox_lite_ne_biology
+- mmlu_prox_lite_ne_business
+- mmlu_prox_lite_ne_chemistry
+- mmlu_prox_lite_ne_computer_science
+- mmlu_prox_lite_ne_economics
+- mmlu_prox_lite_ne_engineering
+- mmlu_prox_lite_ne_health
+- mmlu_prox_lite_ne_history
+- mmlu_prox_lite_ne_law
+- mmlu_prox_lite_ne_math
+- mmlu_prox_lite_ne_other
+- mmlu_prox_lite_ne_philosophy
+- mmlu_prox_lite_ne_physics
+- mmlu_prox_lite_ne_psychology
+aggregate_metric_list:
+- aggregation: mean
+  metric: exact_match
+  weight_by_size: true
+  filter_list: custom-extract
+metadata:
+  version: 0.0

lm_eval/tasks/mmlu_prox/ne/_mmlu_prox_ne.yaml

+group: mmlu_prox_ne
+task:
+- mmlu_prox_ne_biology
+- mmlu_prox_ne_business
+- mmlu_prox_ne_chemistry
+- mmlu_prox_ne_computer_science
+- mmlu_prox_ne_economics
+- mmlu_prox_ne_engineering
+- mmlu_prox_ne_health
+- mmlu_prox_ne_history
+- mmlu_prox_ne_law
+- mmlu_prox_ne_math
+- mmlu_prox_ne_other
+- mmlu_prox_ne_philosophy
+- mmlu_prox_ne_physics
+- mmlu_prox_ne_psychology
+aggregate_metric_list:
+- aggregation: mean
+  metric: exact_match
+  weight_by_size: true
+  filter_list: custom-extract
+metadata:
+  version: 0.0

lm_eval/tasks/mmlu_prox/ne/_ne_lite_template_yaml

+dataset_path: li-lab/MMLU-ProX-Lite
+dataset_name: ne
+test_split: test
+fewshot_split: validation
+fewshot_config:
+  sampler: first_n
+  doc_to_text: !function utils.fewshot_to_text
+  doc_to_target: ""
+output_type: generate_until
+doc_to_text: !function utils.doc_to_text
+doc_to_target: answer
+filter_list:
+  - name: "custom-extract"
+    filter:
+      - function: "regex"
+        regex_pattern: 'उत्तर \(?([ABCDEFGHIJ])\)? हो।'
+      - function: "take_first"
+generation_kwargs:
+  until:
+    - "</s>"
+    - "Q:"
+    - "प्रश्न:"
+    - "<|im_end|>"
+  do_sample: false
+  temperature: 0.0
+  max_gen_toks: 2048
+num_fewshot: 5
+metric_list:
+  - metric: exact_match
+    aggregation: mean
+    higher_is_better: true
+    ignore_case: true
+    ignore_punctuation: true
+metadata:
+  version: 0.0

lm_eval/tasks/mmlu_prox/ne/_ne_template_yaml

+dataset_path: li-lab/MMLU-ProX
+dataset_name: ne
+test_split: test
+fewshot_split: validation
+fewshot_config:
+  sampler: first_n
+  doc_to_text: !function utils.fewshot_to_text
+  doc_to_target: ""
+output_type: generate_until
+doc_to_text: !function utils.doc_to_text
+doc_to_target: answer
+filter_list:
+  - name: "custom-extract"
+    filter:
+      - function: "regex"
+        regex_pattern: 'उत्तर \(?([ABCDEFGHIJ])\)? हो।'
+      - function: "take_first"
+generation_kwargs:
+  until:
+    - "</s>"
+    - "Q:"
+    - "प्रश्न:"
+    - "<|im_end|>"
+  do_sample: false
+  temperature: 0.0
+  max_gen_toks: 2048
+num_fewshot: 5
+metric_list:
+  - metric: exact_match
+    aggregation: mean
+    higher_is_better: true
+    ignore_case: true
+    ignore_punctuation: true
+metadata:
+  version: 0.0

lm_eval/tasks/mmlu_prox/ne/mmlu_prox_lite_ne_biology.yaml

+description: 'यहाँ जीवविज्ञान सम्बन्धी बहुवैकल्पिक प्रश्नहरू छन् (उत्तरहरू सहित)।
+  कृपया चरणबद्ध रूपमा सोच्नुहोस् र आफ्नो उत्तर "उत्तर (X) हो।" बाट अन्त्य गर्नुहोस्,
+  जहाँ X सही विकल्पको अक्षर हो।
+
+  '
+include: _ne_lite_template_yaml
+task: mmlu_prox_lite_ne_biology
+task_alias: biology
+process_docs: !function utils.process_biology

lm_eval/tasks/mmlu_prox/ne/mmlu_prox_lite_ne_business.yaml

+description: 'यहाँ व्यापार सम्बन्धी बहुवैकल्पिक प्रश्नहरू छन् (उत्तरहरू सहित)। कृपया
+  चरणबद्ध रूपमा सोच्नुहोस् र आफ्नो उत्तर "उत्तर (X) हो।" बाट अन्त्य गर्नुहोस्, जहाँ
+  X सही विकल्पको अक्षर हो।
+
+  '
+include: _ne_lite_template_yaml
+task: mmlu_prox_lite_ne_business
+task_alias: business
+process_docs: !function utils.process_business