open-llm-leaderboard-old/details_janhq__supermario-v2

该数据集是在Open LLM Leaderboard上对模型janhq/supermario-v2进行评估时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中创建的，每次运行都可以在特定配置中找到，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，还有一个名为results的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。

原始信息汇总

数据集概述

数据集信息

• 名称: Evaluation run of janhq/supermario-v2
• 创建目的: 在模型 janhq/supermario-v2 的评估运行期间自动创建
• 来源: 来自 Open LLM Leaderboard

数据集结构

• 配置数量: 63 个配置，每个配置对应一个评估任务
• 创建次数: 从 1 次运行中创建
• 分割方式: 每个配置中的分割以运行的时间戳命名，"train" 分割指向最新的结果
• 额外配置: "results" 配置存储所有运行的聚合结果，用于计算和显示聚合指标

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_janhq__supermario-v2", "harness_winogrande_5", split="train")

最新结果

• 最新结果日期: 2023-12-12T05:33:32.497051
• 结果示例: python { "all": { "acc": 0.6533206964078709, "acc_stderr": 0.03205268515858169, "acc_norm": 0.6531030767387064, "acc_norm_stderr": 0.03271825548664744, "mc1": 0.44430844553243576, "mc1_stderr": 0.017394586250743173, "mc2": 0.605797177274584, "mc2_stderr": 0.015128279082831566 }, "harness|arc:challenge|25": { "acc": 0.6578498293515358, "acc_stderr": 0.013864152159177275, "acc_norm": 0.6851535836177475, "acc_norm_stderr": 0.013572657703084948 }, # 其他任务的结果... }

配置详情

• 配置名称: harness_arc_challenge_25

  • 分割: 2023_12_12T05_33_32.497051, latest
  • 路径: **/details_harness|arc:challenge|25_2023-12-12T05-33-32.497051.parquet

• 配置名称: harness_gsm8k_5

  • 分割: 2023_12_12T05_33_32.497051, latest
  • 路径: **/details_harness|gsm8k|5_2023-12-12T05-33-32.497051.parquet

• 配置名称: harness_hellaswag_10

  • 分割: 2023_12_12T05_33_32.497051, latest
  • 路径: **/details_harness|hellaswag|10_2023-12-12T05-33-32.497051.parquet

• 配置名称: harness_hendrycksTest_5

  • 分割: 2023_12_12T05_33_32.497051, latest
  • 路径: **/details_harness|hendrycksTest-abstract_algebra|5_2023-12-12T05-33-32.497051.parquet, 其他路径...