open-llm-leaderboard-old/details_abacusai__Giraffe-beta-13b-32k

该数据集是在Open LLM Leaderboard上对模型abacusai/Giraffe-beta-13b-32k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。数据集从1次运行中创建，每次运行的结果作为特定配置中的一个分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，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

数据集摘要

该数据集是在评估模型abacusai/Giraffe-beta-13b-32k在Open LLM Leaderboard上的运行过程中自动创建的。数据集包含63个配置，每个配置对应一个评估任务。数据集从1次运行中创建，每个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。"train"分割始终指向最新的结果。

数据集结构

数据集包含以下配置：

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个数据文件，分为不同的分割（如2023_12_04T11_23_46.573377和latest），每个分割包含多个parquet文件。

最新结果

以下是最新结果的摘要： python { "all": { "acc": 0.5350938644943618, "acc_stderr": 0.03417616181346088, "acc_norm": 0.5410188997846813, "acc_norm_stderr": 0.03491906704101023, "mc1": 0.28518971848225216, "mc1_stderr": 0.015805827874454892, "mc2": 0.4258338965668367, "mc2_stderr": 0.014377658114706975 }, "harness|arc:challenge|25": { "acc": 0.5204778156996587, "acc_stderr": 0.014599131353035009, "acc_norm": 0.5563139931740614, "acc_norm_stderr": 0.01451842182567045 }, "harness|hellaswag|10": { "acc": 0.6017725552678749, "acc_stderr": 0.004885323175701676, "acc_norm": 0.8042222664807808, "acc_norm_stderr": 0.003959872578165267 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.27, "acc_stderr": 0.04461960433384741, "acc_norm": 0.27, "acc_norm_stderr": 0.04461960433384741 }, # 其他任务的结果... }

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_abacusai__Giraffe-beta-13b-32k", "harness_winogrande_5", split="train")