open-llm-leaderboard-old/details_jondurbin__airoboros-65b-gpt4-1.4

该数据集是在对jondurbin/airoboros-65b-gpt4-1.4模型进行评估运行期间自动创建的。数据集由64个配置组成，每个配置对应一个评估任务。数据集是从4次运行中创建的，每次运行都作为一个特定的分割存在，分割名称使用运行的时间戳命名。此外，还有一个名为results的附加配置，用于存储运行的聚合结果，并用于在Open LLM Leaderboard上计算和显示聚合指标。

原始信息汇总

数据集概述

数据集简介

该数据集是在评估模型 jondurbin/airoboros-65b-gpt4-1.4 在 Open LLM Leaderboard 上的运行过程中自动创建的。

数据集结构

• 数据集包含 64 个配置，每个配置对应一个评估任务。
• 数据集从 4 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。
• 额外的配置 "results" 存储所有运行的聚合结果，用于计算和显示 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_jondurbin__airoboros-65b-gpt4-1.4", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-29T17:40:12.862636 运行 的最新结果： python { "all": { "em": 0.048133389261744965, "em_stderr": 0.0021920523387187097, "f1": 0.11759647651006695, "f1_stderr": 0.0024834303220337473, "acc": 0.4884045517729164, "acc_stderr": 0.010955153685387409 }, "harness|drop|3": { "em": 0.048133389261744965, "em_stderr": 0.0021920523387187097, "f1": 0.11759647651006695, "f1_stderr": 0.0024834303220337473 }, "harness|gsm8k|5": { "acc": 0.18043972706595907, "acc_stderr": 0.010592508589147896 }, "harness|winogrande|5": { "acc": 0.7963693764798737, "acc_stderr": 0.011317798781626922 } }

配置详情

以下是数据集的配置详情：

配置列表

• harness_arc_challenge_25
• harness_drop_3
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5
• harness_hendrycksTest_abstract_algebra_5
• harness_hendrycksTest_anatomy_5
• harness_hendrycksTest_astronomy_5
• harness_hendrycksTest_business_ethics_5
• harness_hendrycksTest_clinical_knowledge_5
• harness_hendrycksTest_college_biology_5
• harness_hendrycksTest_college_chemistry_5
• harness_hendrycksTest_college_computer_science_5
• harness_hendrycksTest_college_mathematics_5
• harness_hendrycksTest_college_medicine_5
• harness_hendrycksTest_college_physics_5
• harness_hendrycksTest_computer_security_5
• harness_hendrycksTest_conceptual_physics_5
• harness_hendrycksTest_econometrics_5

数据文件路径

• 每个配置包含多个分割，每个分割对应一个特定的时间戳。
• "latest" 分割指向最新的数据文件。

例如：

• harness_arc_challenge_25 配置包含以下分割：
  • 2023_08_09T18_17_34.414751
  • latest
• harness_drop_3 配置包含以下分割：
  • 2023_10_23T05_17_46.947970
  • 2023_10_23T05_35_00.206888
  • 2023_10_29T17_40_12.862636
  • latest

具体数据文件路径请参考配置详情部分。