open-llm-leaderboard-old/details_yam-peleg__Experiment20-7B

该数据集是在评估模型[yam-peleg/Experiment20-7B](https://huggingface.co/yam-peleg/Experiment20-7B)在[Open LLM Leaderboard](https://huggingface.co/spaces/HuggingFaceH4/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一个特定的分割存储在配置中，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，一个名为results的配置存储了所有运行的聚合结果，用于计算和显示[Open LLM Leaderboard](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard)上的聚合指标。

原始信息汇总

数据集概述

数据集 Evaluation run of yam-peleg/Experiment20-7B 是在评估模型 yam-peleg/Experiment20-7B 的过程中自动创建的。该数据集包含63个配置，每个配置对应一个评估任务。数据集来源于一次运行，每个运行结果可以在每个配置中找到特定的分割，分割名称使用运行的时间戳。"train" 分割始终指向最新的结果。

数据集结构

数据集包含以下配置：

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个数据文件，分为不同的分割（如 2024_02_20T04_27_28.761237 和 latest），每个分割指向特定的数据文件路径。

最新结果

以下是来自 2024-02-20T04:27:28.761237 运行的最新结果：

python { "all": { "acc": 0.6388395808326348, "acc_stderr": 0.03248110016666022, "acc_norm": 0.6382917347789664, "acc_norm_stderr": 0.03316218579189402, "mc1": 0.6083231334149327, "mc1_stderr": 0.017087795881769646, "mc2": 0.7771507307486577, "mc2_stderr": 0.013765185430621489 }, "harness|arc:challenge|25": { "acc": 0.7030716723549488, "acc_stderr": 0.013352025976725223, "acc_norm": 0.7303754266211604, "acc_norm_stderr": 0.012968040686869148 }, "harness|hellaswag|10": { "acc": 0.7070304720175263, "acc_stderr": 0.004541944342035901, "acc_norm": 0.8861780521808404, "acc_norm_stderr": 0.0031694581233577238 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.4, "acc_stderr": 0.04923659639173309, "acc_norm": 0.4, "acc_norm_stderr": 0.04923659639173309 }, # 其他任务的结果... }

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_yam-peleg__Experiment20-7B", "harness_winogrande_5", split="train")