zelk12's picture
Upload 3 files
09fba6f verified
Raw History Blame Contribute Delete
6.77 kB
import fs from "node:fs";
import path from "node:path";
import { fileURLToPath } from "node:url";
const __dirname = path.dirname(fileURLToPath(import.meta.url));
const manifestPath = path.join(__dirname, "benchlocal.pack.json");
const scenariosPath = path.join(__dirname, "scenarios.json");
export const manifest = JSON.parse(fs.readFileSync(manifestPath, "utf8"));
function loadScenarios() {
return JSON.parse(fs.readFileSync(scenariosPath, "utf8"));
}
export function listScenarios() {
return loadScenarios().map((s) => ({
id: s.id,
name: s.name,
category: s.category || "General",
description: `[${(s.language || "ru").toUpperCase()}] ${s.name}`
}));
}
export function getScenarios() {
return listScenarios();
}
/**
* Валидатор: ищет строго заданный маркер "Мой ответ: (БУКВА)"
* Модель может свободно рассуждать, но в конце обязана выдать именно этот маркер.
* Весь промежуточный текст, формулы и размышления игнорируются.
*/
function validateResponse(scenario, rawText) {
const text = (rawText || "").trim();
const expected = (scenario.correctAnswer || "").trim().toUpperCase();
// Ищем маркер формата: "Мой ответ: (БУКВА)" (или англоязычный аналог "My answer: (LETTER)")
const pattern = /(?:Мой\s*ответ|My\s*answer):\s*\(([A-J])\)/gi;
const matches = [...text.matchAll(pattern)];
if (matches.length === 0) {
return {
pass: false,
score: 0,
extracted: null,
reason: `Нарушен формат: не найдена обязательная конструкция 'Мой ответ: (БУКВА)'. Окончание ответа: "${text.slice(-100)}"`
};
}
// Берем последнее вхождение маркера в тексте (итоговый вердикт модели)
const lastMatch = matches[matches.length - 1];
const extracted = lastMatch[1].toUpperCase();
if (extracted !== expected) {
return {
pass: false,
score: 0,
extracted,
reason: `Неверный ответ: модель выбрала '(${extracted})', ожидалось '(${expected})'`
};
}
return {
pass: true,
score: 100,
extracted,
reason: `Успех: корректно выбран вариант '(${extracted})' в строгом формате 'Мой ответ: (X)'`
};
}
function resolveHelpers(context) {
if (context && typeof context.getRequiredProvider === "function") {
return context;
}
if (context?.helpers && typeof context.helpers.getRequiredProvider === "function") {
return context.helpers;
}
return {
getRequiredProvider(providerId) {
const providers = context?.providers || [];
const found = Array.isArray(providers)
? providers.find((p) => p.id === providerId || p.provider === providerId)
: providers[providerId];
return found || { baseUrl: "http://127.0.0.1:11434/v1", apiKey: "none" };
},
getInferenceEndpoint(modelId) {
return context?.endpoints?.[modelId] || null;
}
};
}
export async function prepare(context) {
const helpers = resolveHelpers(context);
return {
async runScenario(input) {
const allScenarios = loadScenarios();
const scenario = allScenarios.find((s) => s.id === input.scenario.id);
if (!scenario) {
return {
scenarioId: input.scenario.id,
status: "fail",
score: 0,
summary: "Сценарий не найден",
rawLog: "error=Scenario not found"
};
}
const provider = helpers.getRequiredProvider(input.model.provider, { enabledOnly: true });
const inference = helpers.getInferenceEndpoint ? helpers.getInferenceEndpoint(input.model.id) : null;
const rawBaseUrl = (inference && inference.status === "running" ? inference.baseUrl : provider?.baseUrl) || "http://127.0.0.1:11434/v1";
const baseUrl = rawBaseUrl.replace(/\/+$/, "");
const apiKey = provider?.apiKey || "none";
const requestBody = {
model: input.model.model,
messages: [{ role: "user", content: scenario.prompt }],
temperature: 0
};
const response = await fetch(`${baseUrl}/chat/completions`, {
method: "POST",
headers: {
"Content-Type": "application/json",
Authorization: `Bearer ${apiKey}`
},
body: JSON.stringify(requestBody)
});
const data = await response.json();
const text = (data.choices?.[0]?.message?.content || "").trim();
const result = validateResponse(scenario, text);
const rawLog = [
`model=${input.model.model}`,
`category=${scenario.category}`,
`language=${scenario.language}`,
`scenario=${scenario.id} - ${scenario.name}`,
`prompt=${scenario.prompt}`,
`assistant_full_cot_response=${text}`,
`extracted_letter=${result.extracted || "NONE"}`,
`expected_letter=${scenario.correctAnswer}`,
`verdict=${result.pass ? "pass" : "fail"}`,
`score=${result.score}`,
`summary=${result.reason}`,
`\n--- RAW API RESPONSE ---`,
JSON.stringify(data, null, 2)
].join("\n");
return {
scenarioId: scenario.id,
category: scenario.category,
language: scenario.language,
status: result.pass ? "pass" : "fail",
score: result.score,
summary: result.reason,
rawLog: rawLog
};
},
async dispose() {}
};
}
export function scoreModelResults(results) {
const scored = results || [];
const total = scored.reduce((sum, r) => sum + (r.score || 0), 0);
const max = scored.length * 100;
const catMap = new Map();
for (const r of scored) {
const cat = r.category || "General";
if (!catMap.has(cat)) {
catMap.set(cat, { total: 0, count: 0 });
}
const entry = catMap.get(cat);
entry.total += r.score || 0;
entry.count += 1;
}
const categories = Array.from(catMap.entries()).map(([name, data]) => ({
name,
score: data.count > 0 ? Math.round((data.total / (data.count * 100)) * 100) : 0,
count: data.count
}));
return {
totalScore: max > 0 ? Math.round((total / max) * 100) : 0,
categories
};
}
export default {
manifest,
listScenarios,
getScenarios,
prepare,
createRuntime: prepare,
scoreModelResults
};