open-llm-leaderboard/details_Sao10K__BrainDerp2

该数据集是在模型Sao10K/BrainDerp2在Open LLM Leaderboard上的评估运行期间自动创建的。数据集由64个配置组成，每个配置对应一个评估任务。数据集由2次运行创建，每次运行可以在每个配置中找到特定的分割，分割以运行的时间戳命名。"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，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

数据集简介

该数据集是在评估模型 Sao10K/BrainDerp2 在 Open LLM Leaderboard 上的自动创建的。数据集包含 64 个配置，每个配置对应一个评估任务。

数据集结构

• 配置数量：64 个配置
• 配置类型：每个配置对应一个评估任务
• 数据来源：数据集从 2 次运行中创建，每次运行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。
• 最新结果："train" 分割总是指向最新的结果。
• 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_Sao10K__BrainDerp2", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-25T19:44:45.310953 运行 的最新结果： python { "all": { "em": 0.02139261744966443, "em_stderr": 0.0014817531449682906, "f1": 0.14337038590604004, "f1_stderr": 0.002432995569296514, "acc": 0.42474686941447715, "acc_stderr": 0.009953548160337068 }, "harness|drop|3": { "em": 0.02139261744966443, "em_stderr": 0.0014817531449682906, "f1": 0.14337038590604004, "f1_stderr": 0.002432995569296514 }, "harness|gsm8k|5": { "acc": 0.09021986353297953, "acc_stderr": 0.007891537108449961 }, "harness|winogrande|5": { "acc": 0.7592738752959748, "acc_stderr": 0.012015559212224174 } }

配置详情

• harness_arc_challenge_25

  • 分割：2023_10_04T07_46_51.716254, latest
  • 路径：**/details_harness|arc:challenge|25_2023-10-04T07-46-51.716254.parquet

• harness_drop_3

  • 分割：2023_10_25T19_44_45.310953, latest
  • 路径：**/details_harness|drop|3_2023-10-25T19-44-45.310953.parquet

• harness_gsm8k_5

  • 分割：2023_10_25T19_44_45.310953, latest
  • 路径：**/details_harness|gsm8k|5_2023-10-25T19-44-45.310953.parquet

• harness_hellaswag_10

  • 分割：2023_10_04T07_46_51.716254, latest
  • 路径：**/details_harness|hellaswag|10_2023-10-04T07-46-51.716254.parquet

• harness_hendrycksTest_5

  • 分割：2023_10_04T07_46_51.716254, latest
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-10-04T07-46-51.716254.parquet

• harness_hendrycksTest_abstract_algebra_5

  • 分割：2023_10_04T07_46_51.716254, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-10-04T07-46-51.716254.parquet

• harness_hendrycksTest_anatomy_5

  • 分割：2023_10_04T07_46_51.716254, latest
  • 路径：**/details_harness|hendrycksTest-anatomy|5_2023-10-04T07-46-51.716254.parquet

• harness_hendrycksTest_astronomy_5

  • 分割：2023_10_04T07_46_51.716254, latest
  • 路径：**/details_harness|hendrycksTest-astronomy|5_2023-10-04T07-46-51.716254.parquet

• harness_hendrycksTest_business_ethics_5

  • 分割：2023_10_04T07_46_51.716254, latest
  • 路径：**/details_harness|hendrycksTest-business_ethics|5_2023-10-04T07-46-51.716254.parquet

• harness_hendrycksTest_clinical_knowledge_5

  • 分割：2023_10_04T07_46_51.716254, latest
  • 路径：**/details_harness|hendrycksTest-clinical_knowledge|5_2023-10-04T07-46-51.716254.parquet

• harness_hendrycksTest_college_biology_5

  • 分割：2023_10_04T07_46_51.716254, latest
  • 路径：**/details_harness|hendrycksTest-college_biology|5_2023-10-04T07-46-51.716254.parquet

• harness_hendrycksTest_college_chemistry_5

  • 分割：2023_10_04T07_46_51.716254, latest
  • 路径：**/details_harness|hendrycksTest-college_chemistry|5_2023-10-04T07-46-51.716254.parquet

• harness_hendrycksTest_college_computer_science_5

  • 分割：2023_10_04T07_46_51.716254, latest
  • 路径：**/details_harness|hendrycksTest-college_computer_science|5_2023-10-04T07-46-51.716254.parquet

• harness_hendrycksTest_college_mathematics_5

  • 分割：2023_10_04T07_46_51.716254, latest
  • 路径：**/details_harness|hendrycksTest-college_mathematics|5_2023-10-04T07-46-51.716254.parquet

• harness_hendrycksTest_college_medicine_5

  • 分割：2023_10_04T07_46_51.716254, latest
  • 路径：**/details_harness|hendrycksTest-college_medicine|5_2023-10-04T07-46-51.716254.parquet

• harness_hendrycksTest_college_physics_5

  • 分割：2023_10_04T07_46_51.716254, latest
  • 路径：**/details_harness|hendrycksTest-college_physics|5_2023-10-04T07-46-51.716254.parquet

• harness_hendrycksTest_computer_security_5

  • 分割：2023_10_04T07_46_51.716254, latest
  • 路径：**/details_harness|hendrycksTest-computer_security|5_2023-10-04T07-46-51.716254.parquet

• harness_hendrycksTest_conceptual_physics_5

  • 分割：2023_10_04T07_46_51.716254, latest
  • 路径：**/details_harness|hendrycksTest-conceptual_physics|5_2023-10-04T07-46-51.716254.parquet

• harness_hendrycksTest_econometrics_5

  • 分割：2023_10_04T07_46_51.716254, latest
  • 路径：**/details_harness|hendrycksTest-econometrics|5_2023-10-04T07-46-51.716254.parquet

• harness_hendrycksTest_electrical_engineering_5

  • 分割：2023_10_04T07_46_51.716254, latest
  • 路径：**/details_harness|hendrycksTest-electrical_engineering|5_2023-10-04T07-46-51.716254.parquet

• harness_hendrycksTest_elementary_mathematics_5

  • 分割：2023_10_04T07_46_51.716254, latest
  • 路径：**/details_harness|hendrycksTest-elementary_mathematics|5_2023-10-04T07-46-51.716254.parquet

以上是数据集的详细概述，包括数据集的结构、加载示例、最新结果以及各个配置的详细信息。