[Feature] 自定义数据集命令如何修改评估指标？

[liushiton]

Describe the feature

python run.py
--models hf_llama2_7b
--custom-dataset-path xxx/test_qa.jsonl
--custom-dataset-data-type qa
--custom-dataset-infer-method gen

使用这个命令得到的结果得分默认是accuracy。这意味着要完全相同才能算对么？如何替换成别的评估指标呢？ 通过新增配置文件，学习成本有点高。。。

Will you implement it?

• [ ] I would like to implement this feature and create a PR!