open-llm-leaderboard-old/details_raincandy-u__Qwen1.5-1.8B_llamafy

该数据集是在评估模型raincandy-u/Qwen1.5-1.8B_llamafy在Open LLM Leaderboard上的表现时自动生成的。数据集包含63个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行的结果作为特定配置中的一个分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，还有一个名为results的配置，存储了所有运行的聚合结果，用于在Open LLM Leaderboard上计算和显示聚合指标。

原始信息汇总

数据集概述

数据集创建

• 创建背景：该数据集是在评估模型 raincandy-u/Qwen1.5-1.8B_llamafy 在 Open LLM Leaderboard 上的运行过程中自动创建的。
• 数据集组成：包含 63 个配置，每个配置对应一个评估任务。
• 创建次数：数据集从 1 次运行中创建，每个运行在每个配置中作为一个特定的分片存在，分片名称使用运行的时间戳。
• 最新结果："train" 分片始终指向最新结果。
• 结果汇总：一个额外的配置 "results" 存储所有运行的汇总结果，用于计算和显示在 Open LLM Leaderboard 上的聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_raincandy-u__Qwen1.5-1.8B_llamafy", "harness_winogrande_5", split="train")

最新结果

• 最新结果时间戳：2024-04-19T10:39:25.535339
• 结果示例： python { "all": { "acc": 0.46570016614644716, "acc_stderr": 0.03454058423972737, "acc_norm": 0.46906045250905015, "acc_norm_stderr": 0.03526508100188275, "mc1": 0.2558139534883721, "mc1_stderr": 0.015274176219283364, "mc2": 0.3941547987383413, "mc2_stderr": 0.014275177575193478 }, "harness|arc:challenge|25": { "acc": 0.3532423208191126, "acc_stderr": 0.013967822714840051, "acc_norm": 0.37457337883959047, "acc_norm_stderr": 0.014144193471893439 }, # 其他任务的结果... }

配置详情

• 配置名称：harness_arc_challenge_25

  • 数据文件：
    • 分片：2024_04_19T10_39_25.535339
      • 路径：**/details_harness|arc:challenge|25_2024-04-19T10-39-25.535339.parquet
    • 分片：latest
      • 路径：**/details_harness|arc:challenge|25_2024-04-19T10-39-25.535339.parquet

• 配置名称：harness_gsm8k_5

  • 数据文件：
    • 分片：2024_04_19T10_39_25.535339
      • 路径：**/details_harness|gsm8k|5_2024-04-19T10-39-25.535339.parquet
    • 分片：latest
      • 路径：**/details_harness|gsm8k|5_2024-04-19T10-39-25.535339.parquet

• 配置名称：harness_hellaswag_10

  • 数据文件：
    • 分片：2024_04_19T10_39_25.535339
      • 路径：**/details_harness|hellaswag|10_2024-04-19T10-39-25.535339.parquet
    • 分片：latest
      • 路径：**/details_harness|hellaswag|10_2024-04-19T10-39-25.535339.parquet

• 配置名称：harness_hendrycksTest_5

  • 数据文件：
    • 分片：2024_04_19T10_39_25.535339
      • 路径：
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-04-19T10-39-25.535339.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-04-19T10-39-25.535339.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-04-19T10-39-25.535339.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-04-19T10-39-25.535339.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-04-19T10-39-25.535339.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-04-19T10-39-25.535339.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-04-19T10-39-25.535339.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-04-19T10-39-25.535339.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-04-19T10-39-25.535339.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-04-19T10-39-25.535339.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-04-19T10-39-25.535339.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-04-19T10-39-25.535339.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-04-19T10-39-25.535339.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-04-19T10-39-25.535339.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-04-19T10-39-25.535339.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-04-19T10-39-25.535339.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2024-04-19T10-39-25.535339.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2024-04-19T10-39-25.535339.parquet

        其他任务的路径...