open-llm-leaderboard-old/details_wandb__pruned_mistral

该数据集是在模型 wandb/pruned_mistral 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集由 63 个配置组成，每个配置对应一个评估任务。数据集包含一次运行的结果，每次运行在每个配置中表示为特定的拆分，train 拆分始终指向最新结果。一个名为 results 的额外配置存储了运行的所有聚合结果，用于计算和显示 Open LLM Leaderboard 上的聚合指标。README 还提供了如何使用 Hugging Face datasets 库加载数据集的示例，并包含了特定运行的最新结果。

原始信息汇总

数据集概述

数据集摘要

该数据集是在对模型 wandb/pruned_mistral 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集组成

• 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。
• 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 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_wandb__pruned_mistral", "harness_winogrande_5", split="train")

最新结果

这些是最新的结果，来自 2024-03-21T16:40:40.526366 的运行： python { "all": { "acc": 0.2677672008134633, "acc_stderr": 0.031196121816193134, "acc_norm": 0.26979863634977536, "acc_norm_stderr": 0.03200972209199791, "mc1": 0.24724602203182375, "mc1_stderr": 0.015102404797359652, "mc2": 0.4108681590294748, "mc2_stderr": 0.014542287705752187 }, "harness|arc:challenge|25": { "acc": 0.24829351535836178, "acc_stderr": 0.012624912868089764, "acc_norm": 0.2832764505119454, "acc_norm_stderr": 0.013167478735134575 }, "harness|hellaswag|10": { "acc": 0.37353116908982276, "acc_stderr": 0.004827526584889684, "acc_norm": 0.46345349531965746, "acc_norm_stderr": 0.004976434387469965 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.25, "acc_stderr": 0.04351941398892446, "acc_norm": 0.25, "acc_norm_stderr": 0.04351941398892446 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_03_21T16_40_40.526366
  • 路径：**/details_harness|arc:challenge|25_2024-03-21T16-40-40.526366.parquet
  • 分割：latest
  • 路径：**/details_harness|arc:challenge|25_2024-03-21T16-40-40.526366.parquet

• harness_gsm8k_5

  • 分割：2024_03_21T16_40_40.526366
  • 路径：**/details_harness|gsm8k|5_2024-03-21T16-40-40.526366.parquet
  • 分割：latest
  • 路径：**/details_harness|gsm8k|5_2024-03-21T16-40-40.526366.parquet

• harness_hellaswag_10

  • 分割：2024_03_21T16_40_40.526366
  • 路径：**/details_harness|hellaswag|10_2024-03-21T16-40-40.526366.parquet
  • 分割：latest
  • 路径：**/details_harness|hellaswag|10_2024-03-21T16-40-40.526366.parquet

• harness_hendrycksTest_5

  • 分割：2024_03_21T16_40_40.526366
  • 路径：
    • **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-21T16-40-40.526366.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2024-03-21T16-40-40.526366.parquet
    • **/details_harness|hendrycksTest-astronomy|5_2024-03-21T16-40-40.526366.parquet
    • **/details_harness|hendrycksTest-business_ethics|5_2024-03-21T16-40-40.526366.parquet
    • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-03-21T16-40-40.526366.parquet
    • **/details_harness|hendrycksTest-college_biology|5_2024-03-21T16-40-40.526366.parquet
    • **/details_harness|hendrycksTest-college_chemistry|5_2024-03-21T16-40-40.526366.parquet
    • **/details_harness|hendrycksTest-college_computer_science|5_2024-03-21T16-40-40.526366.parquet
    • **/details_harness|hendrycksTest-college_mathematics|5_2024-03-21T16-40-40.526366.parquet
    • **/details_harness|hendrycksTest-college_medicine|5_2024-03-21T16-40-40.526366.parquet
    • **/details_harness|hendrycksTest-college_physics|5_2024-03-21T16-40-40.526366.parquet
    • **/details_harness|hendrycksTest-computer_security|5_2024-03-21T16-40-40.526366.parquet
    • **/details_harness|hendrycksTest-conceptual_physics|5_2024-03-21T16-40-40.526366.parquet
    • **/details_harness|hendrycksTest-econometrics|5_2024-03-21T16-40-40.526366.parquet
    • **/details_harness|hendrycksTest-electrical_engineering|5_2024-03-21T16-40-40.526366.parquet
    • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-03-21T16-40-40.526366.parquet
    • **/details_harness|hendrycksTest-formal_logic|5_2024-03-21T16-40-40.526366.parquet
    • **/details_harness|hendrycksTest-global_facts|5_2024-03-21T16-40-40.526366.parquet

    其他路径...

}