open-llm-leaderboard-old/details_GeneZC__MiniMA-2-3B

该数据集是在评估模型GeneZC/MiniMA-2-3B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

数据集摘要

该数据集是在评估模型 GeneZC/MiniMA-2-3B 在 Open LLM Leaderboard 上的自动创建的。数据集包含 63 个配置，每个配置对应一个评估任务。

数据集结构

• 配置数量：63
• 数据来源：1 次运行
• 数据分割：每个配置包含特定分割，分割名称使用运行的时间戳。"train" 分割始终指向最新结果。
• 额外配置："results" 配置存储所有运行的聚合结果，用于计算和显示聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_GeneZC__MiniMA-2-3B", "harness_winogrande_5", split="train")

最新结果

以下是 2023-12-29T11:06:26.122424 运行的最新结果：

python { "all": { "acc": 0.4123104859493059, "acc_stderr": 0.034476632968887255, "acc_norm": 0.4175331241459908, "acc_norm_stderr": 0.035290569614813416, "mc1": 0.2423500611995104, "mc1_stderr": 0.01500067437357034, "mc2": 0.38439714718813867, "mc2_stderr": 0.013674772867000353 }, "harness|arc:challenge|25": { "acc": 0.3984641638225256, "acc_stderr": 0.014306946052735562, "acc_norm": 0.447098976109215, "acc_norm_stderr": 0.014529380160526848 }, "harness|hellaswag|10": { "acc": 0.5103565026887075, "acc_stderr": 0.00498871091716933, "acc_norm": 0.6932881896036646, "acc_norm_stderr": 0.004601862807240185 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.31, "acc_stderr": 0.046482319871173156, "acc_norm": 0.31, "acc_norm_stderr": 0.046482319871173156 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割：2023_12_29T11_06_26.122424, latest
  • 路径：**/details_harness|arc:challenge|25_2023-12-29T11-06-26.122424.parquet

• harness_gsm8k_5

  • 分割：2023_12_29T11_06_26.122424, latest
  • 路径：**/details_harness|gsm8k|5_2023-12-29T11-06-26.122424.parquet

• harness_hellaswag_10

  • 分割：2023_12_29T11_06_26.122424, latest
  • 路径：**/details_harness|hellaswag|10_2023-12-29T11-06-26.122424.parquet

• harness_hendrycksTest_5

  • 分割：2023_12_29T11_06_26.122424, latest
  • 路径：多个路径，包括 **/details_harness|hendrycksTest-abstract_algebra|5_2023-12-29T11-06-26.122424.parquet 等