open-llm-leaderboard-old/details_NLUHOPOE__test-case-0

该数据集是在评估模型NLUHOPOE/test-case-0时自动创建的，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1次运行创建，每次运行的结果作为特定的分割存储在配置中，分割名称使用运行的时间戳。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，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

该数据集是在对模型 NLUHOPOE/test-case-0 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 63 个配置，每个配置对应一个评估任务。
• 数据集从 1 次运行中创建，每个运行在每个配置中作为一个特定的分割存在，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。

最新结果

以下是 2024-02-16T05:25:06.093843 运行的最新结果：

python { "all": { "acc": 0.5791278236658676, "acc_stderr": 0.033494817808173614, "acc_norm": 0.5837595891503912, "acc_norm_stderr": 0.03419368461778056, "mc1": 0.3268053855569155, "mc1_stderr": 0.01641987473113503, "mc2": 0.4880155663864428, "mc2_stderr": 0.015371746911854285 }, "harness|arc:challenge|25": { "acc": 0.5349829351535836, "acc_stderr": 0.01457558392201967, "acc_norm": 0.5750853242320819, "acc_norm_stderr": 0.014445698968520769 }, "harness|hellaswag|10": { "acc": 0.5997809201354312, "acc_stderr": 0.004889413126208774, "acc_norm": 0.796355307707628, "acc_norm_stderr": 0.004018847286468061 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.31, "acc_stderr": 0.04648231987117316, "acc_norm": 0.31, "acc_norm_stderr": 0.04648231987117316 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_02_16T05_25_06.093843, latest
  • 路径：**/details_harness|arc:challenge|25_2024-02-16T05-25-06.093843.parquet

• harness_gsm8k_5

  • 分割：2024_02_16T05_25_06.093843, latest
  • 路径：**/details_harness|gsm8k|5_2024-02-16T05-25-06.093843.parquet

• harness_hellaswag_10

  • 分割：2024_02_16T05_25_06.093843, latest
  • 路径：**/details_harness|hellaswag|10_2024-02-16T05-25-06.093843.parquet

• harness_hendrycksTest_5

  • 分割：2024_02_16T05_25_06.093843, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2024-02-16T05-25-06.093843.parquet 等

加载数据

可以使用以下代码加载特定运行的详细信息：

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_NLUHOPOE__test-case-0", "harness_winogrande_5", split="train")