open-llm-leaderboard-old/details_aisquared__chopt-1_3b

该数据集是在评估模型aisquared/chopt-1_3b时自动创建的，主要用于Open LLM Leaderboard的评估任务。数据集包含64个配置，每个配置对应一个评估任务。数据集由2次运行生成，每次运行的结果存储在不同的分割中，分割名称基于运行的时间戳。train分割始终指向最新的结果。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，并在Open LLM Leaderboard上显示聚合指标。

原始信息汇总

数据集概述

数据集来源

该数据集是在评估模型 aisquared/chopt-1_3b 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：64个配置，每个配置对应一个评估任务。
• 运行次数：数据集从2次运行中创建。每个运行结果作为一个特定的分割（split）存储在每个配置中，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。
• 汇总结果：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_aisquared__chopt-1_3b", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-25T02:11:14.117719 运行 的最新结果： python { "all": { "em": 0.002936241610738255, "em_stderr": 0.0005541113054710093, "f1": 0.046667365771812144, "f1_stderr": 0.0012971244615236355, "acc": 0.2912391475927388, "acc_stderr": 0.006929989132220124 }, "harness|drop|3": { "em": 0.002936241610738255, "em_stderr": 0.0005541113054710093, "f1": 0.046667365771812144, "f1_stderr": 0.0012971244615236355 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|winogrande|5": { "acc": 0.5824782951854776, "acc_stderr": 0.013859978264440248 } }

配置详情

以下是部分配置的详细信息：

• harness_arc_challenge_25

  • 分割：2023_07_19T14_44_06.685040, latest
  • 路径：**/details_harness|arc:challenge|25_2023-07-19T14:44:06.685040.parquet

• harness_drop_3

  • 分割：2023_10_25T02_11_14.117719, latest
  • 路径：**/details_harness|drop|3_2023-10-25T02-11-14.117719.parquet

• harness_gsm8k_5

  • 分割：2023_10_25T02_11_14.117719, latest
  • 路径：**/details_harness|gsm8k|5_2023-10-25T02-11-14.117719.parquet

• harness_hellaswag_10

  • 分割：2023_07_19T14_44_06.685040, latest
  • 路径：**/details_harness|hellaswag|10_2023-07-19T14:44:06.685040.parquet

• harness_hendrycksTest_5

  • 分割：2023_07_19T14_44_06.685040, latest
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-07-19T14:44:06.685040.parquet

• harness_hendrycksTest_abstract_algebra_5

  • 分割：2023_07_19T14_44_06.685040, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-07-19T14:44:06.685040.parquet

• harness_hendrycksTest_anatomy_5

  • 分割：2023_07_19T14_44_06.685040, latest
  • 路径：**/details_harness|hendrycksTest-anatomy|5_2023-07-19T14:44:06.685040.parquet

• harness_hendrycksTest_astronomy_5

  • 分割：2023_07_19T14_44_06.685040, latest
  • 路径：**/details_harness|hendrycksTest-astronomy|5_2023-07-19T14:44:06.685040.parquet

• harness_hendrycksTest_business_ethics_5

  • 分割：2023_07_19T14_44_06.685040, latest
  • 路径：**/details_harness|hendrycksTest-business_ethics|5_2023-07-19T14:44:06.685040.parquet

• harness_hendrycksTest_clinical_knowledge_5

  • 分割：2023_07_19T14_44_06.685040, latest
  • 路径：**/details_harness|hendrycksTest-clinical_knowledge|5_2023-07-19T14:44:06.685040.parquet

• harness_hendrycksTest_college_biology_5

  • 分割：2023_07_19T14_44_06.685040, latest
  • 路径：**/details_harness|hendrycksTest-college_biology|5_2023-07-19T14:44:06.685040.parquet

• harness_hendrycksTest_college_chemistry_5

  • 分割：2023_07_19T14_44_06.685040, latest
  • 路径：**/details_harness|hendrycksTest-college_chemistry|5_2023-07-19T14:44:06.685040.parquet

• harness_hendrycksTest_college_computer_science_5

  • 分割：2023_07_19T14_44_06.685040, latest
  • 路径：**/details_harness|hendrycksTest-college_computer_science|5_2023-07-19T14:44:06.685040.parquet

• harness_hendrycksTest_college_mathematics_5

  • 分割：2023_07_19T14_44_06.685040, latest
  • 路径：**/details_harness|hendrycksTest-college_mathematics|5_2023-07-19T14:44:06.685040.parquet

• harness_hendrycksTest_college_medicine_5

  • 分割：2023_07_19T14_44_06.685040, latest
  • 路径：**/details_harness|hendrycksTest-college_medicine|5_2023-07-19T14:44:06.685040.parquet

• harness_hendrycksTest_college_physics_5

  • 分割：2023_07_19T14_44_06.685040, latest
  • 路径：**/details_harness|hendrycksTest-college_physics|5_2023-07-19T14:44:06.685040.parquet

• harness_hendrycksTest_computer_security_5

  • 分割：2023_07_19T14_44_06.685040, latest
  • 路径：**/details_harness|hendrycksTest-computer_security|5_2023-07-19T14:44:06.685040.parquet

• harness_hendrycksTest_conceptual_physics_5

  • 分割：2023_07_19T14_44_06.685040, latest
  • 路径：**/details_harness|hendrycksTest-conceptual_physics|5_2023-07-19T14:44:06.685040.parquet

• harness_hendrycksTest_econometrics_5

  • 分割：2023_07_19T14_44_06.685040, latest
  • 路径：**/details_harness|hendrycksTest-econometrics|5_2023-07-19T14:44:06.685040.parquet

• harness_hendrycksTest_electrical_engineering_5

  • 分割：2023_07_19T14_44_06.685040, latest
  • 路径：**/details_harness|hendrycksTest-electrical_engineering|5_2023-07-19T14:44:06.685040.parquet

• harness_hendrycksTest_elementary_mathematics_5

  • 分割：2023_07_19T14_44_06.685040, latest
  • 路径：**/details_harness|hendrycksTest-elementary_mathematics|5_2023-07-19T14:44:06.685040.parquet

以上是数据集的详细概述，包括数据集的来源、结构、加载示例、最新结果以及部分配置的详细信息。