open-llm-leaderboard/details_PygmalionAI__pygmalion-2-7b

该数据集是在评估PygmalionAI/pygmalion-2-7b模型期间自动生成的，用于Open LLM Leaderboard。数据集包含64个配置，每个配置对应一个特定的评估任务。数据集由两次运行创建，每次运行对应一个特定的分割，分割名称基于运行的时间戳。此外，还有一个名为results的配置，用于存储所有运行的聚合结果，这些结果用于计算和在Leaderboard上显示聚合指标。

原始信息汇总

数据集概述

数据集来源

• 该数据集是在评估模型 PygmalionAI/pygmalion-2-7b 在 Open LLM Leaderboard 上的自动创建的。

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 2 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。

额外配置

• 一个额外的配置 "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_PygmalionAI__pygmalion-2-7b", "harness_winogrande_5", split="train")

最新结果

• 这些是最新结果的示例，来自 2023-10-28T09:33:13.706982 的运行： python { "all": { "em": 0.001153523489932886, "em_stderr": 0.00034761798968571027, "f1": 0.05976614932885909, "f1_stderr": 0.0013611207374076375, "acc": 0.4075329125111523, "acc_stderr": 0.009436763896104398 }, "harness|drop|3": { "em": 0.001153523489932886, "em_stderr": 0.00034761798968571027, "f1": 0.05976614932885909, "f1_stderr": 0.0013611207374076375 }, "harness|gsm8k|5": { "acc": 0.06368460955269144, "acc_stderr": 0.006726213078805692 }, "harness|winogrande|5": { "acc": 0.7513812154696132, "acc_stderr": 0.012147314713403105 } }

配置详情

• harness_arc_challenge_25

  • 分割：2023_10_08T20_22_41.887829, latest
  • 路径：**/details_harness|arc:challenge|25_2023-10-08T20-22-41.887829.parquet

• harness_drop_3

  • 分割：2023_10_28T09_33_13.706982, latest
  • 路径：**/details_harness|drop|3_2023-10-28T09-33-13.706982.parquet

• harness_gsm8k_5

  • 分割：2023_10_28T09_33_13.706982, latest
  • 路径：**/details_harness|gsm8k|5_2023-10-28T09-33-13.706982.parquet

• harness_hellaswag_10

  • 分割：2023_10_08T20_22_41.887829, latest
  • 路径：**/details_harness|hellaswag|10_2023-10-08T20-22-41.887829.parquet

• harness_hendrycksTest_5

  • 分割：2023_10_08T20_22_41.887829, latest
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-10-08T20-22-41.887829.parquet

• harness_hendrycksTest_abstract_algebra_5

  • 分割：2023_10_08T20_22_41.887829, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-10-08T20-22-41.887829.parquet

• harness_hendrycksTest_anatomy_5

  • 分割：2023_10_08T20_22_41.887829, latest
  • 路径：**/details_harness|hendrycksTest-anatomy|5_2023-10-08T20-22-41.887829.parquet

• harness_hendrycksTest_astronomy_5

  • 分割：2023_10_08T20_22_41.887829, latest
  • 路径：**/details_harness|hendrycksTest-astronomy|5_2023-10-08T20-22-41.887829.parquet

• harness_hendrycksTest_business_ethics_5

  • 分割：2023_10_08T20_22_41.887829, latest
  • 路径：**/details_harness|hendrycksTest-business_ethics|5_2023-10-08T20-22-41.887829.parquet

• harness_hendrycksTest_clinical_knowledge_5

  • 分割：2023_10_08T20_22_41.887829, latest
  • 路径：**/details_harness|hendrycksTest-clinical_knowledge|5_2023-10-08T20-22-41.887829.parquet

• harness_hendrycksTest_college_biology_5

  • 分割：2023_10_08T20_22_41.887829, latest
  • 路径：**/details_harness|hendrycksTest-college_biology|5_2023-10-08T20-22-41.887829.parquet

• harness_hendrycksTest_college_chemistry_5

  • 分割：2023_10_08T20_22_41.887829, latest
  • 路径：**/details_harness|hendrycksTest-college_chemistry|5_2023-10-08T20-22-41.887829.parquet

• harness_hendrycksTest_college_computer_science_5

  • 分割：2023_10_08T20_22_41.887829, latest
  • 路径：**/details_harness|hendrycksTest-college_computer_science|5_2023-10-08T20-22-41.887829.parquet

• harness_hendrycksTest_college_mathematics_5

  • 分割：2023_10_08T20_22_41.887829, latest
  • 路径：**/details_harness|hendrycksTest-college_mathematics|5_2023-10-08T20-22-41.887829.parquet

• harness_hendrycksTest_college_medicine_5

  • 分割：2023_10_08T20_22_41.887829, latest
  • 路径：**/details_harness|hendrycksTest-college_medicine|5_2023-10-08T20-22-41.887829.parquet

• harness_hendrycksTest_college_physics_5

  • 分割：2023_10_08T20_22_41.887829, latest
  • 路径：**/details_harness|hendrycksTest-college_physics|5_2023-10-08T20-22-41.887829.parquet

• harness_hendrycksTest_computer_security_5

  • 分割：2023_10_08T20_22_41.887829, latest
  • 路径：**/details_harness|hendrycksTest-computer_security|5_2023-10-08T20-22-41.887829.parquet

• harness_hendrycksTest_conceptual_physics_5

  • 分割：2023_10_08T20_22_41.887829, latest
  • 路径：**/details_harness|hendrycksTest-conceptual_physics|5_2023-10-08T20-22-41.887829.parquet

• harness_hendrycksTest_econometrics_5

  • 分割：2023_10_08T20_22_41.887829, latest
  • 路径：**/details_harness|hendrycksTest-econometrics|5_2023-10-08T20-22-41.887829.parquet

• harness_hendrycksTest_electrical_engineering_5

  • 分割：2023_10_08T20_22_41.887829, latest
  • 路径：**/details_harness|hendrycksTest-electrical_engineering|5_2023-10-08T20-22-41.887829.parquet

• harness_hendrycksTest_elementary_mathematics_5

  • 分割：2023_10_08T20_22_41.887829, latest
  • 路径：**/details_harness|hendrycksTest-elementary_mathematics|5_2023-10-08T20-22-41.887829.parquet

以上是数据集的详细概述，包括数据集的来源、结构、加载示例、最新结果以及各个配置的详细信息。

搜集汇总

背景与挑战

背景概述

该数据集是Open LLM Leaderboard为评估PygmalionAI/pygmalion-2-7b模型而自动生成的，包含64个配置对应不同评估任务，并通过两次运行创建分割，最终聚合结果用于计算和显示排行榜指标。