open-llm-leaderboard-old/details_logicker__SkkuDS-DPO-72B-v3

该数据集是在评估模型logicker/SkkuDS-DPO-72B-v3时自动创建的，包含63个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行的结果作为一个特定的分割存储，分割名称使用运行的时间戳。此外，数据集还包含一个名为"results"的配置，用于存储所有运行的聚合结果，并在Open LLM Leaderboard上显示聚合指标。

原始信息汇总

数据集概述

该数据集是在评估模型 logicker/SkkuDS-DPO-72B-v3 在 Open LLM Leaderboard 上的自动创建的。数据集包含 63 个配置，每个配置对应一个评估任务。

数据集结构

• 配置数量：63 个配置
• 数据来源：从 1 次运行中创建
• 数据分割：每个配置包含特定运行的分割，分割名称使用运行的时间戳。"train" 分割始终指向最新结果。
• 额外配置："results" 配置存储所有运行的聚合结果，用于计算和显示聚合指标在 Open LLM Leaderboard 上。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_logicker__SkkuDS-DPO-72B-v3", "harness_winogrande_5", split="train")

最新结果

以下是 2024-03-01T22:16:08.253878 运行的最新结果：

python { "all": { "acc": 0.7681004206920752, "acc_stderr": 0.027991870123942914, "acc_norm": 0.7729329467192335, "acc_norm_stderr": 0.028511620162705854, "mc1": 0.41982864137086906, "mc1_stderr": 0.01727703030177577, "mc2": 0.5972524285520616, "mc2_stderr": 0.014498261188889689 }, "harness|arc:challenge|25": { "acc": 0.6279863481228669, "acc_stderr": 0.014124597881844465, "acc_norm": 0.6604095563139932, "acc_norm_stderr": 0.013839039762820169 }, "harness|hellaswag|10": { "acc": 0.6684923322047401, "acc_stderr": 0.004697929774670292, "acc_norm": 0.8610834495120494, "acc_norm_stderr": 0.003451525868724679 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_03_01T22_16_08.253878, latest
  • 路径：**/details_harness|arc:challenge|25_2024-03-01T22-16-08.253878.parquet

• harness_gsm8k_5

  • 分割：2024_03_01T22_16_08.253878, latest
  • 路径：**/details_harness|gsm8k|5_2024-03-01T22-16-08.253878.parquet

• harness_hellaswag_10

  • 分割：2024_03_01T22_16_08.253878, latest
  • 路径：**/details_harness|hellaswag|10_2024-03-01T22-16-08.253878.parquet

• harness_hendrycksTest_5

  • 分割：2024_03_01T22_16_08.253878, latest
  • 路径：多个路径，包括 **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-01T22-16-08.253878.parquet 等