open-llm-leaderboard-old/details_aboros98__merlin1.3

该数据集是在模型aboros98/merlin1.3的评估运行期间自动创建的，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，每次运行的结果存储为特定配置中的一个分割，分割名称使用运行的时间戳。train分割始终指向最新结果。此外，results配置存储了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。README还提供了加载数据集的具体代码示例，并展示了最新评估结果的详细指标。

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 aboros98/merlin1.3 在 Open LLM Leaderboard 上的运行过程中自动创建的。

数据集结构

• 配置数量：数据集包含 63 个配置，每个配置对应一个评估任务。
• 运行次数：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。
• 分片命名：每个配置中的分片使用运行的时间戳命名，"train" 分片始终指向最新的结果。
• 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_aboros98__merlin1.3", "harness_winogrande_5", split="train")

最新结果

• 最新结果时间戳：2024-03-15T01:26:49.217337
• 结果示例： python { "all": { "acc": 0.578062943034698, "acc_stderr": 0.03374196476906128, "acc_norm": 0.5799459687976225, "acc_norm_stderr": 0.03443622361311283, "mc1": 0.31456548347613217, "mc1_stderr": 0.01625524199317918, "mc2": 0.4676638816154199, "mc2_stderr": 0.015177166274149752 }, "harness|arc:challenge|25": { "acc": 0.5802047781569966, "acc_stderr": 0.014422181226303026, "acc_norm": 0.5998293515358362, "acc_norm_stderr": 0.014317197787809184 }, "harness|hellaswag|10": { "acc": 0.5683130850428202, "acc_stderr": 0.004942990623131118, "acc_norm": 0.7519418442541327, "acc_norm_stderr": 0.004310031044459142 }, ... }

配置详情

• 配置名称：harness_arc_challenge_25

  • 数据文件：
    • 分片：2024_03_15T01_26_49.217337
      • 路径：**/details_harness|arc:challenge|25_2024-03-15T01-26-49.217337.parquet
    • 分片：latest
      • 路径：**/details_harness|arc:challenge|25_2024-03-15T01-26-49.217337.parquet

• 配置名称：harness_gsm8k_5

  • 数据文件：
    • 分片：2024_03_15T01_26_49.217337
      • 路径：**/details_harness|gsm8k|5_2024-03-15T01-26-49.217337.parquet
    • 分片：latest
      • 路径：**/details_harness|gsm8k|5_2024-03-15T01-26-49.217337.parquet

• 配置名称：harness_hellaswag_10

  • 数据文件：
    • 分片：2024_03_15T01_26_49.217337
      • 路径：**/details_harness|hellaswag|10_2024-03-15T01-26-49.217337.parquet
    • 分片：latest
      • 路径：**/details_harness|hellaswag|10_2024-03-15T01-26-49.217337.parquet

• 配置名称：harness_hendrycksTest_5

  • 数据文件：
    • 分片：2024_03_15T01_26_49.217337
      • 路径：
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-15T01-26-49.217337.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-03-15T01-26-49.217337.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-03-15T01-26-49.217337.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-03-15T01-26-49.217337.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-03-15T01-26-49.217337.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-03-15T01-26-49.217337.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-03-15T01-26-49.217337.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-03-15T01-26-49.217337.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-03-15T01-26-49.217337.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-03-15T01-26-49.217337.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-03-15T01-26-49.217337.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-03-15T01-26-49.217337.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-03-15T01-26-49.217337.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-03-15T01-26-49.217337.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-03-15T01-26-49.217337.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-03-15T01-26-49.217337.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2024-03-15T01-26-49.217337.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2024-03-15T01-26-49.217337.parquet
        • **/details_harness|hendrycksTest-high_school_biology|5_2024-03-15T01-26-49.217337.parquet
        • ...