open-llm-leaderboard-old/details_CultriX__OmniTrixAI

该数据集是在对CultriX/OmniTrixAI模型进行评估运行期间自动创建的，包含63个配置，每个配置对应一个评估任务。数据集由一个运行创建，每个运行可以在每个配置中找到，使用运行的时间戳作为分割名称。此外，还有一个名为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

该数据集是在模型 CultriX/OmniTrixAI 在 Open LLM Leaderboard 上的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。

数据集结构

• 配置数量：63 个配置
• 数据来源：从 1 次运行中创建，每个运行可以在每个配置中作为一个特定的分割找到，分割名称使用运行的时间戳。
• 最新结果："train" 分割总是指向最新的结果。
• 汇总结果：一个额外的配置 "results" 存储所有运行的汇总结果，用于计算和显示在 Open LLM Leaderboard 上的汇总指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_CultriX__OmniTrixAI", "harness_winogrande_5", split="train")

最新结果

以下是 2024-01-25T18:33:17.623853 运行的最新结果：

python { "all": { "acc": 0.6570855389090889, "acc_stderr": 0.032026790322626036, "acc_norm": 0.6565386428162296, "acc_norm_stderr": 0.03269491131174325, "mc1": 0.5691554467564259, "mc1_stderr": 0.01733527247533237, "mc2": 0.7012232532865607, "mc2_stderr": 0.01495517671484403 }, "harness|arc:challenge|25": { "acc": 0.7056313993174061, "acc_stderr": 0.01331852846053942, "acc_norm": 0.7295221843003413, "acc_norm_stderr": 0.012980954547659556 }, "harness|hellaswag|10": { "acc": 0.7145986855208126, "acc_stderr": 0.004506824094333298, "acc_norm": 0.8851822346146186, "acc_norm_stderr": 0.003181503506054324 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.35, "acc_stderr": 0.0479372485441102, "acc_norm": 0.35, "acc_norm_stderr": 0.0479372485441102 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_01_25T18_33_17.623853, latest
  • 路径：**/details_harness|arc:challenge|25_2024-01-25T18-33-17.623853.parquet

• harness_gsm8k_5

  • 分割：2024_01_25T18_33_17.623853, latest
  • 路径：**/details_harness|gsm8k|5_2024-01-25T18-33-17.623853.parquet

• harness_hellaswag_10

  • 分割：2024_01_25T18_33_17.623853, latest
  • 路径：**/details_harness|hellaswag|10_2024-01-25T18-33-17.623853.parquet

• harness_hendrycksTest_5

  • 分割：2024_01_25T18_33_17.623853, latest
  • 路径：多个路径，包括 **/details_harness|hendrycksTest-abstract_algebra|5_2024-01-25T18-33-17.623853.parquet 等