open-llm-leaderboard-old/details_AllyArc__llama_allyarc

该数据集是在评估模型AllyArc/llama_allyarc时自动创建的，包含63个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行的结果作为一个特定的分割存储，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，用于计算和展示在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

该数据集是在对模型 AllyArc/llama_allyarc 进行评估运行期间自动创建的，评估结果展示在 Open LLM Leaderboard 上。

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。
• 运行次数：数据集来自1次运行。每个运行结果作为一个特定的分割存储在每个配置中，分割名称使用运行的时间戳。
• 训练分割："train" 分割始终指向最新的结果。
• 结果配置：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_AllyArc__llama_allyarc", "harness_winogrande_5", split="train")

最新结果

以下是 2024-03-22T17:18:04.478504 运行的最新结果：

python { "all": { "acc": 0.4838647047727265, "acc_stderr": 0.03438568427088994, "acc_norm": 0.48892997619439715, "acc_norm_stderr": 0.035144162957893604, "mc1": 0.31946144430844553, "mc1_stderr": 0.016322644182960498, "mc2": 0.4796708124775498, "mc2_stderr": 0.01573673069823751 }, "harness|arc:challenge|25": { "acc": 0.5042662116040956, "acc_stderr": 0.014610858923956952, "acc_norm": 0.5435153583617748, "acc_norm_stderr": 0.01455594976049644 }, "harness|hellaswag|10": { "acc": 0.5871340370444135, "acc_stderr": 0.004913429010559067, "acc_norm": 0.7824138617805219, "acc_norm_stderr": 0.004117611769946191 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.3, "acc_stderr": 0.04605661864718381, "acc_norm": 0.3, "acc_norm_stderr": 0.04605661864718381 }, # 其他任务的结果... }

配置详情

• 配置名称：harness_arc_challenge_25

  • 数据文件：
    • 分割：2024_03_22T17_18_04.478504
      • 路径：**/details_harness|arc:challenge|25_2024-03-22T17-18-04.478504.parquet
    • 分割：latest
      • 路径：**/details_harness|arc:challenge|25_2024-03-22T17-18-04.478504.parquet

• 配置名称：harness_gsm8k_5

  • 数据文件：
    • 分割：2024_03_22T17_18_04.478504
      • 路径：**/details_harness|gsm8k|5_2024-03-22T17-18-04.478504.parquet
    • 分割：latest
      • 路径：**/details_harness|gsm8k|5_2024-03-22T17-18-04.478504.parquet

• 配置名称：harness_hellaswag_10

  • 数据文件：
    • 分割：2024_03_22T17_18_04.478504
      • 路径：**/details_harness|hellaswag|10_2024-03-22T17-18-04.478504.parquet
    • 分割：latest
      • 路径：**/details_harness|hellaswag|10_2024-03-22T17-18-04.478504.parquet

• 配置名称：harness_hendrycksTest_5

  • 数据文件：
    • 分割：2024_03_22T17_18_04.478504
      • 路径：
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-22T17-18-04.478504.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-03-22T17-18-04.478504.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-03-22T17-18-04.478504.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-03-22T17-18-04.478504.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-03-22T17-18-04.478504.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-03-22T17-18-04.478504.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-03-22T17-18-04.478504.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-03-22T17-18-04.478504.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-03-22T17-18-04.478504.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-03-22T17-18-04.478504.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-03-22T17-18-04.478504.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-03-22T17-18-04.478504.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-03-22T17-18-04.478504.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-03-22T17-18-04.478504.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-03-22T17-18-04.478504.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-03-22T17-18-04.478504.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2024-03-22T17-18-04.478504.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2024-03-22T17-18-04.478504.parquet
        • **/details_harness|hendrycksTest-high_school_biology|5_2024-03-22T17-18-04.478504.parquet
        • 其他任务的路径...

以上是数据集的详细概述，包括数据集的简介、结构、加载示例、最新结果以及配置详情。