open-llm-leaderboard-old/details_grimjim__kukulemon-7B

该数据集是在评估模型grimjim/kukulemon-7B时自动创建的，用于在Open LLM Leaderboard上进行评估。数据集由63个配置组成，每个配置对应一个评估任务。数据集从1次运行中创建，每次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命名。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，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

数据集简介

该数据集是在对模型 grimjim/kukulemon-7B 进行评估运行期间自动创建的。数据集包含 63 个配置，每个配置对应一个评估任务。数据集从 1 次运行中创建，每次运行的详细结果可以在每个配置中找到，以运行的时间戳命名的特定分片形式存储。"train" 分片始终指向最新的结果。

数据集结构

数据集包含多个配置，每个配置对应不同的评估任务。每个配置包含以下信息：

• config_name: 配置名称
• data_files: 数据文件列表，包含不同分片（如时间戳命名的分片和 "latest" 分片）的路径

示例配置

• config_name: harness_arc_challenge_25
  • data_files:
    • split: 2024_03_12T06_10_18.406525
      • path: **/details_harness|arc:challenge|25_2024-03-12T06-10-18.406525.parquet
    • split: latest
      • path: **/details_harness|arc:challenge|25_2024-03-12T06-10-18.406525.parquet

最新结果

最新结果来自 2024-03-12T06:10:18.406525 运行，包含多个任务的评估结果，如准确率（acc）、标准化准确率（acc_norm）等。

示例结果

python { "all": { "acc": 0.6530505561930542, "acc_stderr": 0.032076888103327796, "acc_norm": 0.654916222472434, "acc_norm_stderr": 0.032718314960330744, "mc1": 0.4394124847001224, "mc1_stderr": 0.017374520482513707, "mc2": 0.6199218454707466, "mc2_stderr": 0.015289736195923467 }, "harness|arc:challenge|25": { "acc": 0.6493174061433447, "acc_stderr": 0.013944635930726096, "acc_norm": 0.6774744027303754, "acc_norm_stderr": 0.013659980894277366 }, "harness|hellaswag|10": { "acc": 0.6824337781318462, "acc_stderr": 0.004645783048004575, "acc_norm": 0.8609838677554272, "acc_norm_stderr": 0.0034525630964691366 }, # 其他任务的结果... }

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_grimjim__kukulemon-7B", "harness_winogrande_5", split="train")