open-llm-leaderboard-old/details_sail__Sailor-4B

该数据集是在对模型sail/Sailor-4B进行评估运行期间自动创建的，用于Open LLM Leaderboard的评估。数据集包含63个配置，每个配置对应一个评估任务。数据集由2次运行创建，每次运行都有特定的分割，分割名称使用运行的时间戳命名。此外，还有一个名为"results"的配置，存储所有运行的聚合结果，用于计算和显示Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集基本信息

• 名称: Evaluation run of sail/Sailor-4B
• 来源: 在模型 sail/Sailor-4B 的评估运行期间自动创建
• 相关平台: 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2次运行中创建，每个运行对应一个特定的时间戳
• 数据分割: 每个配置包含不同的时间戳分割，"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_sail__Sailor-4B", "harness_winogrande_5", split="train")

最新结果

• 最新运行时间: 2024-03-03T06:29:07.816855
• 结果示例: python { "all": { "acc": 0.37703264298169736, "acc_stderr": 0.03416862166048836, "acc_norm": 0.38101337565531157, "acc_norm_stderr": 0.034964297422117964, "mc1": 0.23133414932680538, "mc1_stderr": 0.01476194517486267, "mc2": 0.37017660840801425, "mc2_stderr": 0.013722897185973262 }, "harness|arc:challenge|25": { "acc": 0.4061433447098976, "acc_stderr": 0.014351656690097858, "acc_norm": 0.43856655290102387, "acc_norm_stderr": 0.014500682618212864 }, "harness|hellaswag|10": { "acc": 0.5020912168890659, "acc_stderr": 0.004989737768749948, "acc_norm": 0.6950806612228639, "acc_norm_stderr": 0.004594323838650353 }, ... }

配置详情

• 配置名称: harness_arc_challenge_25

  • 数据文件:
    • 分割: 2024_03_02T22_38_33.484246
      • 路径: **/details_harness|arc:challenge|25_2024-03-02T22-38-33.484246.parquet
    • 分割: 2024_03_03T06_29_07.816855
      • 路径: **/details_harness|arc:challenge|25_2024-03-03T06-29-07.816855.parquet
    • 分割: latest
      • 路径: **/details_harness|arc:challenge|25_2024-03-03T06-29-07.816855.parquet

• 配置名称: harness_gsm8k_5

  • 数据文件:
    • 分割: 2024_03_02T22_38_33.484246
      • 路径: **/details_harness|gsm8k|5_2024-03-02T22-38-33.484246.parquet
    • 分割: 2024_03_03T06_29_07.816855
      • 路径: **/details_harness|gsm8k|5_2024-03-03T06-29-07.816855.parquet
    • 分割: latest
      • 路径: **/details_harness|gsm8k|5_2024-03-03T06-29-07.816855.parquet

• 配置名称: harness_hellaswag_10

  • 数据文件:
    • 分割: 2024_03_02T22_38_33.484246
      • 路径: **/details_harness|hellaswag|10_2024-03-02T22-38-33.484246.parquet
    • 分割: 2024_03_03T06_29_07.816855
      • 路径: **/details_harness|hellaswag|10_2024-03-03T06-29-07.816855.parquet
    • 分割: latest
      • 路径: **/details_harness|hellaswag|10_2024-03-03T06-29-07.816855.parquet

• 配置名称: harness_hendrycksTest_5

  • 数据文件:
    • 分割: 2024_03_02T22_38_33.484246
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-02T22-38-33.484246.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-03-02T22-38-33.484246.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-03-02T22-38-33.484246.parquet
        • ...

以上是数据集的详细概述，包括基本信息、结构、加载示例、最新结果和配置详情。