open-llm-leaderboard-old/details_grimjim__kukulemon-spiked-9B

该数据集是在评估模型grimjim/kukulemon-spiked-9B时自动生成的，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在不同的分割中，分割名称使用运行的时间戳命名。此外，数据集还包含一个名为"results"的配置，用于存储所有运行的聚合结果，并用于计算和展示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集基本信息

• 数据集名称: Evaluation run of grimjim/kukulemon-spiked-9B
• 数据集来源: 自动创建于模型 grimjim/kukulemon-spiked-9B 在 Open LLM Leaderboard 的评估运行期间。
• 数据集组成: 包含63个配置，每个配置对应一个评估任务。
• 数据集创建: 从1次运行中创建，每次运行可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。
• 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 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_grimjim__kukulemon-spiked-9B", "harness_winogrande_5", split="train")

最新结果

• 最新结果时间戳: 2024-04-08T13:55:12.656869
• 结果示例: python { "all": { "acc": 0.6502882311236594, "acc_stderr": 0.032020110998893084, "acc_norm": 0.6538630061115899, "acc_norm_stderr": 0.032655082731205085, "mc1": 0.4785801713586291, "mc1_stderr": 0.017487432144711816, "mc2": 0.6423889624836779, "mc2_stderr": 0.015381143570187935 }, "harness|arc:challenge|25": { "acc": 0.6390784982935154, "acc_stderr": 0.014034761386175456, "acc_norm": 0.6604095563139932, "acc_norm_stderr": 0.013839039762820167 }, "harness|hellaswag|10": { "acc": 0.6762597092212707, "acc_stderr": 0.004669459891917691, "acc_norm": 0.8587930691097391, "acc_norm_stderr": 0.003475231889452832 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.36, "acc_stderr": 0.04824181513244218, "acc_norm": 0.36, "acc_norm_stderr": 0.04824181513244218 }, # 其他任务结果省略... }

配置信息

• 配置名称:
  • harness_arc_challenge_25
  • harness_gsm8k_5
  • harness_hellaswag_10
  • harness_hendrycksTest_5
• 数据文件:
  • 每个配置包含多个分割，如 2024_04_08T13_55_12.656869 和 latest，每个分割对应一个或多个数据文件路径。