open-llm-leaderboard-old/details_KnutJaegersberg__Qwen-1_8B-Chat-llama

该数据集是在Open LLM Leaderboard上对模型KnutJaegersberg/Qwen-1_8B-Chat-llama进行评估时自动创建的。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次运行创建，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，用于在Open LLM Leaderboard上计算和显示聚合指标。

原始信息汇总

数据集概述

数据集来源

该数据集是在对模型 KnutJaegersberg/Qwen-1_8B-Chat-llama 进行评估运行时自动创建的，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：数据集从1次运行中创建。每个运行结果作为一个特定的分割（split）存储在每个配置中，分割名称使用运行的时间戳。
• 最新结果："train" 分割始终指向最新的结果。
• 聚合结果：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_KnutJaegersberg__Qwen-1_8B-Chat-llama", "harness_winogrande_5", split="train")

最新结果

以下是 2024-01-20T02:47:07.832828 运行 的最新结果：

python { "all": { "acc": 0.4417307007712396, "acc_stderr": 0.03457643291788475, "acc_norm": 0.4458531507999814, "acc_norm_stderr": 0.03533462860998811, "mc1": 0.2741738066095471, "mc1_stderr": 0.015616518497219371, "mc2": 0.436959909496514, "mc2_stderr": 0.01509621411098862 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_01_20T02_47_07.832828, latest
  • 路径：**/details_harness|arc:challenge|25_2024-01-20T02-47-07.832828.parquet

• harness_gsm8k_5

  • 分割：2024_01_20T02_47_07.832828, latest
  • 路径：**/details_harness|gsm8k|5_2024-01-20T02-47-07.832828.parquet

• harness_hellaswag_10

  • 分割：2024_01_20T02_47_07.832828, latest
  • 路径：**/details_harness|hellaswag|10_2024-01-20T02-47-07.832828.parquet

• harness_hendrycksTest_5

  • 分割：2024_01_20T02_47_07.832828, latest
  • 路径：多个文件路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2024-01-20T02-47-07.832828.parquet

这个回答仅包含与数据集相关的信息，结构化地概述了数据集的来源、结构、加载示例、最新结果和配置详情。