File size: 4,170 Bytes
a2609f1 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 | """
answer_key.py —— "标准答案对照表" + "题目自动分类器"（仅供我们自己调试看结果用）
1. REFERENCE_ANSWERS：一张"标准答案表"。GAIA 这 20 道题的官方正确答案是公开的（来自数据集里
的 metadata.jsonl 文件），我们把它抄在这里。
注意：这张表【不参与答题】！agent 答题时根本不会看它。它唯一的用途是：在结果表格里，把
"正确答案"和"我们 agent 提交的答案"并排显示出来，方便我们一眼看出哪几道答错了。
（因为评分服务器只告诉我们总分，不会告诉我们具体哪题对哪题错。）
2. classify_question：根据题目内容/附件类型，自动给每道题贴一个"类型标签"（比如"看图题""音频题"
"网页检索题"），同样是为了让结果表格更直观。
"""
import re
# 一个"字典"（dict）：左边是每道题的唯一编号 task_id，右边是这道题的官方标准答案。
REFERENCE_ANSWERS = {
"8e867cd7-cff9-4e6c-867a-ff5ddc2550be": "3",
"a1e91b78-d3d8-4675-bb8d-62741b4b68a6": "3",
"2d83110e-a098-4ebb-9987-066c06fa42d0": "Right",
"cca530fc-4052-43b2-b130-b30968d8aa44": "Rd5",
"4fc2f1ae-8625-45b5-ab34-ad4433bc21f8": "FunkMonk",
"6f37996b-2ac7-44b0-8e68-6d28256631b4": "b, e",
"9d191bce-651d-4746-be2d-7ef8ecadb9c2": "Extremely",
"cabe07ed-9eca-40ea-8ead-410ef5e83f91": "Louvrier",
"3cef3a44-215e-4aed-8e3b-b1e3f08063b7": "broccoli, celery, fresh basil, lettuce, sweet potatoes",
"99c9cc74-fdc8-46c6-8f8d-3ce2d3bfeea3": "cornstarch, freshly squeezed lemon juice, granulated sugar, pure vanilla extract, ripe strawberries",
"305ac316-eef6-4446-960a-92d80d542f82": "Wojciech",
"f918266a-b3e0-4914-865d-4faa564f1aef": "0",
"3f57289b-8c60-48be-bd80-01f8099ca449": "519",
"1f975693-876d-457b-a649-393859e79bf3": "132, 133, 134, 197, 245",
"840bfca7-4f7b-481a-8794-c560c340185d": "80GSFC21M0002",
"bda648d7-d618-4883-88f4-3466eabd860e": "Saint Petersburg",
"cf106601-ab4f-4af9-b045-5295fe67b37d": "CUB",
"a0c07678-e491-4bbc-8f0b-07405144218f": "Yoshida, Uehara",
"7bd855d8-463d-4ed5-93ca-5fe35145f733": "89706.00",
"5a0c1adf-205e-4841-a666-7c3ef95def9d": "Claus",
}
def classify_question(question: str, file_name: str = "") -> str:
"""根据题目和附件名，猜测这道题属于哪种类型，返回一个标签字符串。"""
# 先看有没有附件、附件是什么后缀名（.xlsx/.mp3/.png...），据此判断题型。
# .lower() 把文件名转成小写，避免大小写不一致导致判断失败（.MP3 和 .mp3 应视为同一种）。
fn = (file_name or "").lower()
if fn.endswith((".xlsx", ".xls", ".csv", ".tsv")): # 表格类附件
return "file: spreadsheet"
if fn.endswith((".mp3", ".wav", ".m4a", ".flac", ".ogg")): # 音频类附件
return "file: audio"
if fn.endswith((".png", ".jpg", ".jpeg", ".gif", ".bmp", ".webp")): # 图片类附件
return "file: image"
if fn.endswith((".py", ".txt", ".json", ".c", ".cpp", ".java", ".js")): # 代码/纯文本类附件
return "file: code/text"
if fn.endswith((".pdf", ".docx")): # 文档类附件
return "file: document"
if fn: # 有附件但后缀不在上面列举的范围内
return "file: other"
# 没有附件时，转而分析题目文字本身。
q = question.lower()
if "youtube.com" in q or "youtu.be" in q: # 题目里出现 YouTube 链接 → 视频题
return "video (YouTube)"
# 有的题目把整句话倒着写（比如把 "the" 写成 "eht"），用正则查这种倒写的标志词 → 文字处理题。
if re.search(r"\beht\b", question) or re.search(r"\brewsna\b", q):
return "text manipulation"
# 出现表格符号 "|*|" 或"交换律 commutative"等字样 → 逻辑/表格运算题。
if "|*|" in question or ("commutative" in q) or ("set s" in q):
return "logic/table"
if "wikipedia" in q: # 明确提到维基百科
return "web: wikipedia"
return "web research" # 以上都不是 → 默认归为"上网检索题"
|