open-llm-leaderboard-old/details_aboros98__g8s-preview

该数据集是在模型aboros98/g8s-preview的评估运行期间自动创建的，主要用于Open LLM Leaderboard的评估任务。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次运行生成，每次运行的结果作为特定的split存储，split以运行的时间戳命名。train split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

数据集摘要

该数据集是在评估模型 aboros98/g8s-preview 在 Open LLM Leaderboard 上的自动创建的。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。
• 额外配置："results" 配置存储所有运行的聚合结果，用于计算和显示聚合指标在 Open LLM Leaderboard 上。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_aboros98__g8s-preview", "harness_winogrande_5", split="train")

最新结果

这些是最新结果（来自 2024-03-01T01:51:45.934071 运行）的摘要： python { "all": { "acc": 0.5462382281358393, "acc_stderr": 0.03414165463460976, "acc_norm": 0.5505759216889528, "acc_norm_stderr": 0.034840001943052014, "mc1": 0.34394124847001223, "mc1_stderr": 0.016629087514276764, "mc2": 0.5249122874629143, "mc2_stderr": 0.01443573890096591 }, "harness|arc:challenge|25": { "acc": 0.45563139931740615, "acc_stderr": 0.014553749939306863, "acc_norm": 0.4974402730375427, "acc_norm_stderr": 0.014611199329843784 }, "harness|hellaswag|10": { "acc": 0.5319657438757219, "acc_stderr": 0.004979573765575868, "acc_norm": 0.7226648078072098, "acc_norm_stderr": 0.0044676841327724115 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.28, "acc_stderr": 0.04512608598542129, "acc_norm": 0.28, "acc_norm_stderr": 0.04512608598542129 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_03_01T01_51_45.934071, latest
  • 路径：**/details_harness|arc:challenge|25_2024-03-01T01-51-45.934071.parquet

• harness_gsm8k_5

  • 分割：2024_03_01T01_51_45.934071, latest
  • 路径：**/details_harness|gsm8k|5_2024-03-01T01-51-45.934071.parquet

• harness_hellaswag_10

  • 分割：2024_03_01T01_51_45.934071, latest
  • 路径：**/details_harness|hellaswag|10_2024-03-01T01-51-45.934071.parquet

• harness_hendrycksTest_5

  • 分割：2024_03_01T01_51_45.934071, latest
  • 路径：多个路径，包括 **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-01T01-51-45.934071.parquet 等