open-llm-leaderboard/details_automerger__Experiment27Pastiche-7B
收藏Hugging Face2024-04-02 更新2024-06-11 收录
下载链接：
https://hf-mirror.com/datasets/open-llm-leaderboard/details_automerger__Experiment27Pastiche-7B
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是在评估模型automerger/Experiment27Pastiche-7B在Open LLM Leaderboard上的表现时自动生成的。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次运行生成，每次运行的结果作为特定配置中的一个分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。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。
该数据集是在评估模型automerger/Experiment27Pastiche-7B在Open LLM Leaderboard上的表现时自动生成的。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次运行生成，每次运行的结果作为特定配置中的一个分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。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。
提供机构：
open-llm-leaderboard
原始信息汇总
数据集概述
数据集名称: Evaluation run of automerger/Experiment27Pastiche-7B
数据集描述: 该数据集是在评估模型automerger/Experiment27Pastiche-7B运行期间自动创建的，用于Open LLM Leaderboard。
数据集组成:
- 配置数量: 63个
- 每个配置对应任务: 一个评估任务
- 数据集创建来源: 1次运行
- 数据集分割方式: 每个配置中包含特定分割，分割名称使用运行的时间戳命名。"train"分割指向最新结果。
特殊配置:
- "results"配置: 存储所有运行结果的聚合数据，用于计算和显示Open LLM Leaderboard上的聚合指标。
加载数据示例
python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_automerger__Experiment27Pastiche-7B", "harness_winogrande_5", split="train")
最新结果
最新结果来自2024-04-02T18:07:37.503821的运行，包括多个任务的准确率(acc)和标准误差(acc_stderr)等指标。具体任务和指标如下：
- harness|arc:challenge|25:
- acc: 0.712457337883959
- acc_stderr: 0.013226719056266127
- harness|hellaswag|10:
- acc: 0.7137024497112129
- acc_stderr: 0.004511063351278702
- harness|hendrycksTest-abstract_algebra|5 至 harness|hendrycksTest-world_religions|5: 详细指标见原始数据。
- harness|truthfulqa:mc|0:
- mc1: 0.6328029375764994
- mc1_stderr: 0.016874805001453184
- harness|winogrande|5:
- acc: 0.8539857932123125
- acc_stderr: 0.009924440374585244
- harness|gsm8k|5:
- acc: 0.6937073540561031
- acc_stderr: 0.012696930106562906
