open-llm-leaderboard/details_Weyaxi__TekniumAiroboros-Nebula-7B

该数据集是在模型 Weyaxi/TekniumAiroboros-Nebula-7B 在 Open LLM Leaderboard 上的评估运行期间自动创建的。它由 64 个配置组成，每个配置对应一个评估任务。数据集是从 1 次运行中创建的，每次运行作为每个配置中的一个特定拆分，使用运行的时间戳命名。train 拆分始终指向最新的结果。一个额外的配置 results 存储了运行的所有聚合结果，用于计算和显示 Open LLM Leaderboard 上的聚合指标。

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Weyaxi/TekniumAiroboros-Nebula-7B在Open LLM Leaderboard上的运行过程中自动创建的。

数据集结构

• 配置数量：64个配置，每个配置对应一个评估任务。
• 运行次数：数据集由1次运行创建。每个运行在每个配置中作为一个特定的分片存在，分片名称使用运行的时间戳。
• 最新结果："train"分片始终指向最新结果。
• 结果汇总：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上的聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Weyaxi__TekniumAiroboros-Nebula-7B_public", "harness_winogrande_5", split="train")

最新结果

以下是2023-11-08T17:19:18.874101运行的最新结果：

python { "all": { "acc": 0.5486392579762343, "acc_stderr": 0.03374349666110138, "acc_norm": 0.5573176954338681, "acc_norm_stderr": 0.03452133425560909, "mc1": 0.34761321909424725, "mc1_stderr": 0.016670769188897303, "mc2": 0.5163563481502564, "mc2_stderr": 0.015552871980185646, "em": 0.34721057046979864, "em_stderr": 0.004875539476141144, "f1": 0.4132676174496653, "f1_stderr": 0.004730745670924258 }, "harness|arc:challenge|25": { "acc": 0.5264505119453925, "acc_stderr": 0.01459093135812017, "acc_norm": 0.5716723549488054, "acc_norm_stderr": 0.014460496367599019 }, "harness|hellaswag|10": { "acc": 0.6211909978092014, "acc_stderr": 0.004840990593494692, "acc_norm": 0.817167894841665, "acc_norm_stderr": 0.0038573886135331004 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.3, "acc_stderr": 0.046056618647183814, "acc_norm": 0.3, "acc_norm_stderr": 0.046056618647183814 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分片：2023_11_08T17_19_18.874101, latest
  • 路径：**/details_harness|arc:challenge|25_2023-11-08T17-19-18.874101.parquet

• harness_drop_3

  • 分片：2023_11_08T17_19_18.874101, latest
  • 路径：**/details_harness|drop|3_2023-11-08T17-19-18.874101.parquet

• harness_gsm8k_5

  • 分片：2023_11_08T17_19_18.874101, latest
  • 路径：**/details_harness|gsm8k|5_2023-11-08T17-19-18.874101.parquet

• harness_hellaswag_10

  • 分片：2023_11_08T17_19_18.874101, latest
  • 路径：**/details_harness|hellaswag|10_2023-11-08T17-19-18.874101.parquet

• harness_hendrycksTest_5

  • 分片：2023_11_08T17_19_18.874101
  • 路径：
    • **/details_harness|hendrycksTest-abstract_algebra|5_2023-11-08T17-19-18.874101.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2023-11-08T17-19-18.874101.parquet
    • **/details_harness|hendrycksTest-astronomy|5_2023-11-08T17-19-18.874101.parquet
    • **/details_harness|hendrycksTest-business_ethics|5_2023-11-08T17-19-18.874101.parquet
    • **/details_harness|hendrycksTest-clinical_knowledge|5_2023-11-08T17-19-18.874101.parquet
    • **/details_harness|hendrycksTest-college_biology|5_2023-11-08T17-19-18.874101.parquet
    • **/details_harness|hendrycksTest-college_chemistry|5_2023-11-08T17-19-18.874101.parquet
    • **/details_harness|hendrycksTest-college_computer_science|5_2023-11-08T17-19-18.874101.parquet
    • **/details_harness|hendrycksTest-college_mathematics|5_2023-11-08T17-19-18.874101.parquet
    • **/details_harness|hendrycksTest-college_medicine|5_2023-11-08T17-19-18.874101.parquet
    • **/details_harness|hendrycksTest-college_physics|5_2023-11-08T17-19-18.874101.parquet
    • **/details_harness|hendrycksTest-computer