open-llm-leaderboard/details_deepnight-research__llama-2-70B-inst

该数据集是在评估模型deepnight-research/llama-2-70B-inst时自动创建的，评估是在Open LLM Leaderboard上进行的。数据集由61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，每次运行可以在每个配置中找到，分割名称使用运行的时间戳。train分割始终指向最新结果。此外，results配置存储了所有运行的聚合结果，并用于计算和显示Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集摘要

该数据集是在评估模型 deepnight-research/llama-2-70B-inst 在 Open LLM Leaderboard 上的运行过程中自动创建的。数据集包含61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。

数据集结构

数据集包含以下配置：

• harness_arc_challenge_25
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个数据文件，分为不同的分割（如 2023_08_10T00_26_50.478989 和 latest），每个分割包含多个 .parquet 文件。

最新结果

以下是 2023-08-10T00:26:50.478989 运行 的最新结果：

python { "all": { "acc": 0.7050740464217434, "acc_stderr": 0.03085018588043536, "acc_norm": 0.7087855823993987, "acc_norm_stderr": 0.03081992944181276, "mc1": 0.44430844553243576, "mc1_stderr": 0.017394586250743173, "mc2": 0.6224972679005382, "mc2_stderr": 0.014880875055625352 }, "harness|arc:challenge|25": { "acc": 0.6732081911262798, "acc_stderr": 0.013706665975587333, "acc_norm": 0.7107508532423208, "acc_norm_stderr": 0.013250012579393441 }, "harness|hellaswag|10": { "acc": 0.6974706233817964, "acc_stderr": 0.00458414401465495, "acc_norm": 0.8789085839474209, "acc_norm_stderr": 0.0032556675321152857 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.33, "acc_stderr": 0.04725815626252605, "acc_norm": 0.33, "acc_norm_stderr": 0.04725815626252605 }, # 其他任务的结果... }

数据加载示例

要加载特定运行的详细信息，可以使用以下代码：

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_deepnight-research__llama-2-70B-inst", "harness_truthfulqa_mc_0", split="train")