open-llm-leaderboard-old/details_TFLai__gpt-neox-20b-4bit-alpaca

该数据集是在模型TFLai/gpt-neox-20b-4bit-alpaca的评估运行过程中自动创建的。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次运行中生成，每次运行都作为特定配置中的一个分割，分割以运行的时间戳命名。train分割始终指向最新的结果。此外，还有一个名为results的配置，存储了所有运行的聚合结果，并用于计算和显示在Open LLM Leaderboard上的聚合指标。README还提供了如何加载运行细节的示例代码，并展示了最新结果的一些指标。

原始信息汇总

数据集概述

该数据集是在对模型 TFLai/gpt-neox-20b-4bit-alpaca 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集组成

• 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。
• 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_TFLai__gpt-neox-20b-4bit-alpaca", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-29T00:29:49.222050 运行 的最新结果：

python { "all": { "em": 0.003355704697986577, "em_stderr": 0.0005922452850005421, "f1": 0.056341233221476654, "f1_stderr": 0.0014240670819378977, "acc": 0.33007444471637587, "acc_stderr": 0.008168323784666929 }, "harness|drop|3": { "em": 0.003355704697986577, "em_stderr": 0.0005922452850005421, "f1": 0.056341233221476654, "f1_stderr": 0.0014240670819378977 }, "harness|gsm8k|5": { "acc": 0.011372251705837756, "acc_stderr": 0.0029206661987887265 }, "harness|winogrande|5": { "acc": 0.648776637726914, "acc_stderr": 0.013415981370545131 } }

配置详情

• harness_arc_challenge_25

  • 分割：2023_08_10T02_03_16.907594, latest
  • 路径：**/details_harness|arc:challenge|25_2023-08-10T02:03:16.907594.parquet

• harness_drop_3

  • 分割：2023_10_29T00_29_49.222050, latest
  • 路径：**/details_harness|drop|3_2023-10-29T00-29-49.222050.parquet

• harness_gsm8k_5

  • 分割：2023_10_29T00_29_49.222050, latest
  • 路径：**/details_harness|gsm8k|5_2023-10-29T00-29-49.222050.parquet

• harness_hellaswag_10

  • 分割：2023_08_10T02_03_16.907594, latest
  • 路径：**/details_harness|hellaswag|10_2023-08-10T02:03:16.907594.parquet

• harness_hendrycksTest_5

  • 分割：2023_08_10T02_03_16.907594, latest
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-08-10T02:03:16.907594.parquet

• harness_hendrycksTest_abstract_algebra_5

  • 分割：2023_08_10T02_03_16.907594, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-08-10T02:03:16.907594.parquet

• harness_hendrycksTest_anatomy_5

  • 分割：2023_08_10T02_03_16.907594, latest
  • 路径：**/details_harness|hendrycksTest-anatomy|5_2023-08-10T02:03:16.907594.parquet

• harness_hendrycksTest_astronomy_5

  • 分割：2023_08_10T02_03_16.907594, latest
  • 路径：**/details_harness|hendrycksTest-astronomy|5_2023-08-10T02:03:16.907594.parquet

• harness_hendrycksTest_business_ethics_5

  • 分割：2023_08_10T02_03_16.907594, latest
  • 路径：**/details_harness|hendrycksTest-business_ethics|5_2023-08-10T02:03:16.907594.parquet

• harness_hendrycksTest_clinical_knowledge_5

  • 分割：2023_08_10T02_03_16.907594, latest
  • 路径：**/details_harness|hendrycksTest-clinical_knowledge|5_2023-08-10T02:03:16.907594.parquet

• harness_hendrycksTest_college_biology_5

  • 分割：2023_08_10T02_03_16.907594, latest
  • 路径：**/details_harness|hendrycksTest-college_biology|5_2023-08-10T02:03:16.907594.parquet

• harness_hendrycksTest_college_chemistry_5

  • 分割：2023_08_10T02_03_16.907594, latest
  • 路径：**/details_harness|hendrycksTest-college_chemistry|5_2023-08-10T02:03:16.907594.parquet

• harness_hendrycksTest_college_computer_science_5

  • 分割：2023_08_10T02_03_16.907594, latest
  • 路径：**/details_harness|hendrycksTest-college_computer_science|5_2023-08-10T02:03:16.907594.parquet

• harness_hendrycksTest_college_mathematics_5

  • 分割：2023_08_10T02_03_16.907594, latest
  • 路径：**/details_harness|hendrycksTest-college_mathematics|5_2023-08-10T02:03:16.907594.parquet

• harness_hendrycksTest_college_medicine_5

  • 分割：2023_08_10T02_03_16.907594, latest
  • 路径：**/details_harness|hendrycksTest-college_medicine|5_2023-08-10T02:03:16.907594.parquet

• harness_hendrycksTest_college_physics_5

  • 分割：2023_08_10T02_03_16.907594, latest
  • 路径：**/details_harness|hendrycksTest-college_physics|5_2023-08-10T02:03:16.907594.parquet

• harness_hendrycksTest_computer_security_5

  • 分割：2023_08_10T02_03_16.907594, latest
  • 路径：**/details_harness|hendrycksTest-computer_security|5_2023-08-10T02:03:16.907594.parquet

• harness_hendrycksTest_conceptual_physics_5

  • 分割：2023_08_10T02_03_16.907594, latest
  • 路径：**/details_harness|hendrycksTest-conceptual_physics|5_2023-08-10T02:03:16.907594.parquet

• harness_hendrycksTest_econometrics_5

  • 分割：2023_08_10T02_03_16.907594, latest
  • 路径：**/details_harness|hendrycksTest-econometrics|5_2023-08-10T02:03:16.907594.parquet

• harness_hendrycksTest_electrical_engineering_5

  • 分割：2023_08_10T02_03_16.907594, latest
  • 路径：**/details_harness|hendrycksTest-electrical_engineering|5_2023-08-10T02:03:16.907594.parquet

• harness_hendrycksTest_elementary_mathematics_5

  • 分割：2023_08_10T02_03_16.907594, latest
  • 路径：**/details_harness|hendrycksTest-elementary_mathematics|5_2023-08-10T02:03:16.907594.parquet

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