open-llm-leaderboard-old/details_daekeun-ml__phi-2-ko-v0.1

该数据集是在模型daekeun-ml/phi-2-ko-v0.1在Open LLM Leaderboard上的评估运行期间自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。每个配置包含特定的时间戳命名的分割，其中train分割始终指向最新的结果。此外，results配置存储了运行中的所有聚合结果，用于在Leaderboard上计算和显示聚合指标。数据集还包括特定运行的最新结果，提供各种任务的准确性和误差指标。

原始信息汇总

数据集概述

数据集摘要

该数据集是在对模型 daekeun-ml/phi-2-ko-v0.1 进行评估运行期间自动创建的。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。"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

每个配置包含不同的时间戳分割和最新的分割。

最新结果

以下是来自 2024-03-24T14:49:10.430286 运行的最新结果：

python { "all": { "acc": 0.2739054494126177, "acc_stderr": 0.031596381899675244, "acc_norm": 0.27562500572546855, "acc_norm_stderr": 0.03239011641014461, "mc1": 0.2729498164014688, "mc1_stderr": 0.015594753632006533, "mc2": 0.43639706533133593, "mc2_stderr": 0.015295149431328215 }, "harness|arc:challenge|25": { "acc": 0.2627986348122867, "acc_stderr": 0.012862523175351331, "acc_norm": 0.30716723549488056, "acc_norm_stderr": 0.013481034054980943 }, "harness|hellaswag|10": { "acc": 0.3232423819956184, "acc_stderr": 0.0046675850727175335, "acc_norm": 0.37263493328022307, "acc_norm_stderr": 0.004825179407757559 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.33, "acc_stderr": 0.047258156262526045, "acc_norm": 0.33, "acc_norm_stderr": 0.047258156262526045 }, # 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_daekeun-ml__phi-2-ko-v0.1", "harness_winogrande_5", split="train")