add mgsm

lm_eval/tasks/llama3/instruct/mgsm/llama_mgsm.yaml

+tag: llama3
+task: mgsm_chat
+dataset_path: juletxara/mgsm
+dataset_name: null  # Overridden by language-specific config.
+output_type: generate_until
+training_split: train
+test_split: test
+target_delimiter: ""
+doc_to_text: "{{
+    input_final_prompts
+    |first
+    |replace('<|start_header_id|>user<|end_header_id|>', '')
+    |replace('<|eot_id|><|start_header_id|>assistant<|end_header_id|>', '')
+    |trim
+}}"
+doc_to_target: "input_correct_responses"
+process_results: !function utils.process_results_mgsm
+generation_kwargs:
+  until: []
+  do_sample: false
+  temperature: 0.0
+  max_gen_toks: 2048
+metric_list:
+  - metric: exact_match
+    aggregation: mean
+    higher_is_better: true
+    ignore_case: true
+    ignore_punctuation: true
+filter_list:
+  - name: "strict-match"
+    filter:
+      - function: "regex"
+        regex_pattern: "(?:Answer|Réponse|Antwort|Ответ|Respuesta|答え|Jibu|答案|คำตอบ|సమాధానం|উত্তর): (\\-?[0-9\\.\\,]+)"
+      - function: remove_whitespace
+      - function: take_first
+  - name: "flexible-extract"
+    filter:
+      - function: regex
+        group_select: -1
+        regex_pattern: "(?:Answer|Réponse|Antwort|Ответ|Respuesta|答え|Jibu|答案|คำตอบ|సమాధానం|উত্তর): (-?[$0-9.,]{2,})|(-?[0-9]+)"
+      - function: remove_whitespace
+      - function: take_first
+metadata:
+  version: 0.0

lm_eval/tasks/llama3/instruct/mgsm/utils.py

+from functools import partial
+from typing import List
+
+import datasets
+
+from lm_eval.api.metrics import exact_match_fn
+
+
+PROMPTS = [
+    {
+        "rep": 'Solve this math problem. Give the reasoning steps before giving the final answer on the last line by itself in the format of "Answer:". Do not add anything other than the integer answer after "Answer:".',
+        "subtask_name": "en",
+    },
+    {
+        "rep": 'Решите эту математическую задачу. Объясните шаги рассуждения перед тем, как дать окончательный ответ в последней строке сам по себе в формате "Ответ:". Не добавляйте ничего, кроме целочисленного ответа после "Ответ:".',
+        "subtask_name": "ru",
+    },
+    {
+        "rep": 'Suluhisha tatizo hili la hesabu. Toa hatua za mantiki kabla ya kutoa jibu la mwisho kwenye mstari wa mwisho peke yake katika muundo wa "Jibu:". Usiongeze chochote kingine isipokuwa jibu la integer baada ya "Jibu:".',
+        "subtask_name": "sw",
+    },
+    {
+        "rep": 'Résolvez ce problème de mathématiques. Donnez les étapes de raisonnement avant de fournir la réponse finale sur la dernière ligne elle-même dans le format de "Réponse:". N\'ajoutez rien d\'autre que la réponse entière après "Réponse:".',
+        "subtask_name": "fr",
+    },
+    {
+        "rep": "ఈ గణిత సమస్యను పరిష్కరించండి. చివరి సమాధానాన్ని ఇవ్వదానికి ముందు తర్కాత్మక అదుగులను ఇవ్వండి. చివరి పంక్తిలో మాత్రమే 'సమాధానం:' అనే ఆకారంలో చివరి సమాధానాద్ని ఇవ్వండి సమాధానం: తర్వాత పూర్ణాంక సమాధానానికి తప్పించి ఎదేనా చేర్చవద్దు.",
+        "subtask_name": "te",
+    },
+    {
+        "rep": 'แก้ปัญหาคณิตศาสตร์นี้ ให้ให้ขั้นตอนการใช้เหตุผลก่อนที่จะให้คำตอบสุดท้ายในบรรทัดสุดท้ายโดยอยู่ในรูปแบบ "คำตอบ:" ไม่ควรเพิ่มอะไรนอกจากคำตอบที่เป็นจำนวนเต็มหลังจาก "คำตอบ:',
+        "subtask_name": "th",
+    },
+    {
+        "rep": 'の数学の問題を解いてください。最終的な答えを出す前に、解答の推論過程を記述してください。そして最後の行には "答え:" の形式で答えを記述し、その後には整数の答え以外何も追加しないでください。',
+        "subtask_name": "ja",
+    },
+    {
+        "rep": 'Löse dieses Mathematikproblem. Gib die Schritte zur Begründung an, bevor du die endgültige Antwort in der letzten Zeile alleine im Format "Antwort:" gibst. Füge nichts anderes als die ganzzahlige Antwort nach "Antwort:" hinzu.',
+        "subtask_name": "de",
+    },
+    {
+        "rep": 'এই গণিতের সমস্যাটি সমাধান করুন। চূড়ান্ত উত্তর দেওয়ার আগে যুক্তিসম্পন্ন পদক্ষেপ প্রদান করুন। চূড়ান্ত উত্তরটি একক সংখ্যা হিসাবে "উত্তর:" এর পরে শেষ লাইনে দিন। "উত্তর:" এর পরে অন্য কিছু যুক্ত করবেন না।.',
+        "subtask_name": "bn",
+    },
+    {
+        "rep": '解决这个数学问题。在最后一行给出答案前，请提供推理步骤。最后一行应该以 "答案: " 的形式独立给出答案。在 "答案：" 后不要添加除整数答案之外的任何内容。',
+        "subtask_name": "zh",
+    },
+    {
+        "rep": 'Resuelve este problema matemático. Proporciona los pasos de razonamiento antes de dar la respuesta final en la última línea por sí misma en el formato de "Respuesta:". No añadas nada más que la respuesta entera después de "Respuesta:".',
+        "subtask_name": "es",
+    },
+]
+
+
+def number_variations(n):
+    formats = []
+    # Generate each pattern twice
+    for _ in range(2):
+        # Basic string representation
+        formats.append(str(n))
+        formats.append(f"{n}.")
+
+        # With one decimal place
+        formats.append(f"{n}.0")
+        formats.append(f"{n}.0.")
+
+        # With two decimal places
+        formats.append(f"{n}.00")
+        formats.append(f"{n}.00.")
+
+    return formats
+
+
+def process_docs(lang: str, df: datasets.Dataset) -> datasets.Dataset:
+    def map_(doc: dict):
+        suffix = [x for x in PROMPTS if x["subtask_name"] == lang][0]["rep"]
+        doc["question"] = suffix + r"\n\n" + doc["question"].split(":", 1)[-1]
+        doc["answers"] = number_variations(doc["answer_number"])
+        return doc
+
+    return df.map(map_)
+
+
+process_docs_bn = partial(process_docs, "bn")
+process_docs_de = partial(process_docs, "de")
+process_docs_en = partial(process_docs, "en")
+process_docs_es = partial(process_docs, "es")
+process_docs_fr = partial(process_docs, "fr")
+process_docs_ja = partial(process_docs, "ja")
+process_docs_ru = partial(process_docs, "ru")
+process_docs_sw = partial(process_docs, "sw")
+process_docs_te = partial(process_docs, "te")
+process_docs_th = partial(process_docs, "th")
+process_docs_zh = partial(process_docs, "zh")
+
+
+def process_results(doc, prediction):
+    gold: List = doc["input_correct_responses"]
+    return {
+        "exact_match": int(
+            exact_match_fn(
+                predictions=[x.strip() for x in prediction] * len(gold),
+                references=gold,
+                ignore_case=True,
+            )["exact_match"]
+            > 0
+        )
+    }

lm_eval/tasks/llama3/instruct/mgsm_chat.yaml

@@ -7,11 +7,8 @@ test_split: latest
 doc_to_text: "{{
     input_final_prompts
     |first
+    |replace('<|start_header_id|>user<|end_header_id|>', '')
     |replace('<|eot_id|><|start_header_id|>assistant<|end_header_id|>', '')
-    |replace('<|start_header_id|>', '')
-    |replace('<|end_header_id|>', '')
-    |replace('<|eot_id|>', '')
-    |replace('^user', '')
     |trim
 }}"
 doc_to_target: "input_correct_responses"
@@ -32,13 +29,13 @@ filter_list:
     filter:
       - function: "regex"
         regex_pattern: "(?:Answer|Réponse|Antwort|Ответ|Respuesta|答え|Jibu|答案|คำตอบ|సమాధానం|উত্তর): (\\-?[0-9\\.\\,]+)"
-      - function: "take_first"
+      - function: remove_whitespace
+      - function: take_first
   - name: "flexible-extract"
     filter:
       - function: regex
         group_select: -1
         regex_pattern: "(?:Answer|Réponse|Antwort|Ответ|Respuesta|答え|Jibu|答案|คำตอบ|సమాధానం|উত্তর): (-?[$0-9.,]{2,})|(-?[0-9]+)"
-      - function: take_first
       - function: remove_whitespace
       - function: take_first
 metadata:

lm_eval/tasks/llama3/instruct/utils.py

 from typing import List
 
+import datasets
+
 from lm_eval.api.metrics import exact_match_fn
 
 
+PROMPTS = [
+    {
+        "rep": 'Solve this math problem. Give the reasoning steps before giving the final answer on the last line by itself in the format of "Answer:". Do not add anything other than the integer answer after "Answer:".',
+        "subtask_name": "en",
+    },
+    {
+        "rep": 'Решите эту математическую задачу. Объясните шаги рассуждения перед тем, как дать окончательный ответ в последней строке сам по себе в формате "Ответ:". Не добавляйте ничего, кроме целочисленного ответа после "Ответ:".',
+        "subtask_name": "ru",
+    },
+    {
+        "rep": 'Suluhisha tatizo hili la hesabu. Toa hatua za mantiki kabla ya kutoa jibu la mwisho kwenye mstari wa mwisho peke yake katika muundo wa "Jibu:". Usiongeze chochote kingine isipokuwa jibu la integer baada ya "Jibu:".',
+        "subtask_name": "sw",
+    },
+    {
+        "rep": 'Résolvez ce problème de mathématiques. Donnez les étapes de raisonnement avant de fournir la réponse finale sur la dernière ligne elle-même dans le format de "Réponse:". N\'ajoutez rien d\'autre que la réponse entière après "Réponse:".',
+        "subtask_name": "fr",
+    },
+    {
+        "rep": "ఈ గణిత సమస్యను పరిష్కరించండి. చివరి సమాధానాన్ని ఇవ్వదానికి ముందు తర్కాత్మక అదుగులను ఇవ్వండి. చివరి పంక్తిలో మాత్రమే 'సమాధానం:' అనే ఆకారంలో చివరి సమాధానాద్ని ఇవ్వండి సమాధానం: తర్వాత పూర్ణాంక సమాధానానికి తప్పించి ఎదేనా చేర్చవద్దు.",
+        "subtask_name": "te",
+    },
+    {
+        "rep": 'แก้ปัญหาคณิตศาสตร์นี้ ให้ให้ขั้นตอนการใช้เหตุผลก่อนที่จะให้คำตอบสุดท้ายในบรรทัดสุดท้ายโดยอยู่ในรูปแบบ "คำตอบ:" ไม่ควรเพิ่มอะไรนอกจากคำตอบที่เป็นจำนวนเต็มหลังจาก "คำตอบ:',
+        "subtask_name": "th",
+    },
+    {
+        "rep": 'の数学の問題を解いてください。最終的な答えを出す前に、解答の推論過程を記述してください。そして最後の行には "答え:" の形式で答えを記述し、その後には整数の答え以外何も追加しないでください。',
+        "subtask_name": "ja",
+    },
+    {
+        "rep": 'Löse dieses Mathematikproblem. Gib die Schritte zur Begründung an, bevor du die endgültige Antwort in der letzten Zeile alleine im Format "Antwort:" gibst. Füge nichts anderes als die ganzzahlige Antwort nach "Antwort:" hinzu.',
+        "subtask_name": "de",
+    },
+    {
+        "rep": 'এই গণিতের সমস্যাটি সমাধান করুন। চূড়ান্ত উত্তর দেওয়ার আগে যুক্তিসম্পন্ন পদক্ষেপ প্রদান করুন। চূড়ান্ত উত্তরটি একক সংখ্যা হিসাবে "উত্তর:" এর পরে শেষ লাইনে দিন। "উত্তর:" এর পরে অন্য কিছু যুক্ত করবেন না।.',
+        "subtask_name": "bn",
+    },
+    {
+        "rep": '解决这个数学问题。在最后一行给出答案前，请提供推理步骤。最后一行应该以 "答案: " 的形式独立给出答案。在 "答案：" 后不要添加除整数答案之外的任何内容。',
+        "subtask_name": "zh",
+    },
+    {
+        "rep": 'Resuelve este problema matemático. Proporciona los pasos de razonamiento antes de dar la respuesta final en la última línea por sí misma en el formato de "Respuesta:". No añadas nada más que la respuesta entera después de "Respuesta:".',
+        "subtask_name": "es",
+    },
+]
+
+
+def number_variations(n):
+    formats = []
+    # Generate each pattern twice
+    for _ in range(2):
+        # Basic string representation
+        formats.append(str(n))
+        formats.append(f"{n}.")
+
+        # With one decimal place
+        formats.append(f"{n}.0")
+        formats.append(f"{n}.0.")
+
+        # With two decimal places
+        formats.append(f"{n}.00")
+        formats.append(f"{n}.00.")
+
+    return formats
+
+
+def process_docs(lang: str, df: datasets.Dataset) -> datasets.Dataset:
+    def map_(doc: dict):
+        suffix = [x for x in PROMPTS if x["subtask_name"] == lang][0]["rep"]
+        doc["question"] = suffix + r"\n\n" + doc["question"].split(":", 1)[-1]
+        doc["answers"] = number_variations(doc["answer_number"])
+        return doc
+
+    return df.map(map_)
+
+
 def process_results_mgsm(doc, prediction):
     gold: List = doc["input_correct_responses"]
     return {
         "exact_match": int(
             exact_match_fn(
-                predictions=prediction * len(gold), references=gold, ignore_case=True
+                predictions=[x.strip() for x in prediction] * len(gold),
+                references=gold,
+                ignore_case=True,
             )["exact_match"]
             > 0
         )