open-llm-leaderboard-old/details_frankenmerger__cosmo-3b-test

该数据集是在Open LLM Leaderboard上对模型frankenmerger/cosmo-3b-test进行评估时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中创建的，每次运行都可以在特定配置的特定分割中找到，分割名称使用运行的时间戳命名。train分割始终指向最新结果。此外，还有一个名为results的配置，存储了所有运行的聚合结果，并用于计算和显示Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

该数据集是在对模型 frankenmerger/cosmo-3b-test 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集组成

• 数据集包含 63 个配置，每个配置对应一个评估任务。
• 数据集从 1 次运行中创建，每个运行可以在每个配置中作为一个特定的分片找到，分片名称使用运行的时间戳。
• "train" 分片始终指向最新的结果。
• 一个额外的配置 "results" 存储所有运行的聚合结果，用于计算并在 Open LLM Leaderboard 上显示聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_frankenmerger__cosmo-3b-test", "harness_winogrande_5", split="train")

最新结果

以下是 2024-03-10T11:35:15.251120 运行 的最新结果：

python { "all": { "acc": 0.2759591596623969, "acc_stderr": 0.03167318249653025, "acc_norm": 0.2781335496872269, "acc_norm_stderr": 0.03246050452019378, "mc1": 0.22399020807833536, "mc1_stderr": 0.014594964329474207, "mc2": 0.39020128384630975, "mc2_stderr": 0.014969681174597876 }, "harness|arc:challenge|25": { "acc": 0.3293515358361775, "acc_stderr": 0.013734057652635474, "acc_norm": 0.3532423208191126, "acc_norm_stderr": 0.013967822714840055 }, "harness|hellaswag|10": { "acc": 0.4144592710615415, "acc_stderr": 0.004916216503770342, "acc_norm": 0.5236008763194583, "acc_norm_stderr": 0.004984219681732656 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.31, "acc_stderr": 0.04648231987117316, "acc_norm": 0.31, "acc_norm_stderr": 0.04648231987117316 }, # 其他任务的结果省略... }

配置详情

• harness_arc_challenge_25

  • 分片: 2024_03_10T11_35_15.251120, latest
  • 路径: **/details_harness|arc:challenge|25_2024-03-10T11-35-15.251120.parquet

• harness_gsm8k_5

  • 分片: 2024_03_10T11_35_15.251120, latest
  • 路径: **/details_harness|gsm8k|5_2024-03-10T11-35-15.251120.parquet

• harness_hellaswag_10

  • 分片: 2024_03_10T11_35_15.251120, latest
  • 路径: **/details_harness|hellaswag|10_2024-03-10T11-35-15.251120.parquet

• harness_hendrycksTest_5

  • 分片: 2024_03_10T11_35_15.251120, latest
  • 路径: 多个路径，包括 **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-10T11-35-15.251120.parquet 等。