open-llm-leaderboard-old/details_CallComply__zephyr-7b-beta-128k

该数据集是在模型CallComply/zephyr-7b-beta-128k的评估过程中自动创建的。数据集包含63个配置，每个配置对应一个评估任务。数据集由1次运行创建，每次运行的结果可以在每个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，并用于在Open LLM Leaderboard上计算和显示聚合指标。

原始信息汇总

数据集概述

数据集简介

该数据集是在评估模型CallComply/zephyr-7b-beta-128k在Open LLM Leaderboard上的运行过程中自动创建的。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：1次运行结果
• 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"分割始终指向最新的结果。
• 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_CallComply__zephyr-7b-beta-128k", "harness_winogrande_5", split="train")

最新结果

以下是最新结果（来自2024-01-14T19:45:35.717294的运行）： python { "all": { "acc": 0.5337384150834084, "acc_stderr": 0.034377622578911936, "acc_norm": 0.5411488270607204, "acc_norm_stderr": 0.03515985681109475, "mc1": 0.30966952264381886, "mc1_stderr": 0.016185744355144915, "mc2": 0.4609603387456776, "mc2_stderr": 0.01568400425776764 }, "harness|arc:challenge|25": { "acc": 0.5435153583617748, "acc_stderr": 0.01455594976049644, "acc_norm": 0.5827645051194539, "acc_norm_stderr": 0.014409825518403084 }, "harness|hellaswag|10": { "acc": 0.6016729735112527, "acc_stderr": 0.004885529674958333, "acc_norm": 0.8099980083648676, "acc_norm_stderr": 0.003915007231962104 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_01_14T19_45_35.717294, latest
  • 路径：**/details_harness|arc:challenge|25_2024-01-14T19-45-35.717294.parquet

• harness_gsm8k_5

  • 分割：2024_01_14T19_45_35.717294, latest
  • 路径：**/details_harness|gsm8k|5_2024-01-14T19-45-35.717294.parquet

• harness_hellaswag_10

  • 分割：2024_01_14T19_45_35.717294, latest
  • 路径：**/details_harness|hellaswag|10_2024-01-14T19-45-35.717294.parquet

• harness_hendrycksTest_5

  • 分割：2024_01_14T19_45_35.717294, latest
  • 路径：多个路径，包括**/details_harness|hendrycksTest-abstract_algebra|5_2024-01-14T19-45-35.717294.parquet等