open-llm-leaderboard/details_dhmeltzer__llama-7b-SFT_eli5_wiki65k_1024_r_64_alpha_16

该数据集是在评估模型[dhmeltzer/llama-7b-SFT_eli5_wiki65k_1024_r_64_alpha_16](https://huggingface.co/dhmeltzer/llama-7b-SFT_eli5_wiki65k_1024_r_64_alpha_16)时自动创建的，评估是在[Open LLM Leaderboard](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard)上进行的。数据集由61个配置组成，每个配置对应一个评估任务。数据集是从2次运行中创建的，每次运行都可以在每个配置的特定分割中找到，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](https://huggingface.co/spaces/HuggingFaceH4/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

该数据集是在评估模型 dhmeltzer/llama-7b-SFT_eli5_wiki65k_1024_r_64_alpha_16 在 Open LLM Leaderboard 上的运行过程中自动创建的。

数据集结构

• 配置数量：61个配置，每个配置对应一个评估任务。
• 运行次数：数据集从2次运行中创建。每个运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳。
• 训练分割："train" 分割始终指向最新的结果。
• 结果配置：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_dhmeltzer__llama-7b-SFT_eli5_wiki65k_1024_r_64_alpha_16", "harness_truthfulqa_mc_0", split="train")

最新结果

以下是 最新结果 来自运行 2023-08-29T21:13:05.130565：

python { "all": { "acc": 0.4690258680406254, "acc_stderr": 0.03526595221704812, "acc_norm": 0.47314486143663886, "acc_norm_stderr": 0.03525068980912334, "mc1": 0.28151774785801714, "mc1_stderr": 0.01574402724825605, "mc2": 0.43311675077794465, "mc2_stderr": 0.014085064609011494 }, "harness|arc:challenge|25": { "acc": 0.49829351535836175, "acc_stderr": 0.014611305705056995, "acc_norm": 0.5409556313993175, "acc_norm_stderr": 0.014562291073601227 }, "harness|hellaswag|10": { "acc": 0.5910177255526787, "acc_stderr": 0.00490641198447679, "acc_norm": 0.7913762198765186, "acc_norm_stderr": 0.004054944548370489 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.33, "acc_stderr": 0.047258156262526045, "acc_norm": 0.33, "acc_norm_stderr": 0.047258156262526045 }, ... }

配置详情

• 配置名称：harness_arc_challenge_25

  • 数据文件：
    • 分割：2023_08_29T16_04_44.471378
      • 路径：**/details_harness|arc:challenge|25_2023-08-29T16:04:44.471378.parquet
    • 分割：2023_08_29T21_13_05.130565
      • 路径：**/details_harness|arc:challenge|25_2023-08-29T21:13:05.130565.parquet
    • 分割：latest
      • 路径：**/details_harness|arc:challenge|25_2023-08-29T21:13:05.130565.parquet

• 配置名称：harness_hellaswag_10

  • 数据文件：
    • 分割：2023_08_29T16_04_44.471378
      • 路径：**/details_harness|hellaswag|10_2023-08-29T16:04:44.471378.parquet
    • 分割：2023_08_29T21_13_05.130565
      • 路径：**/details_harness|hellaswag|10_2023-08-29T21:13:05.130565.parquet
    • 分割：latest
      • 路径：**/details_harness|hellaswag|10_2023-08-29T21:13:05.130565.parquet

• 配置名称：harness_hendrycksTest_5

  • 数据文件：
    • 分割：2023_08_29T16_04_44.471378
      • 路径：
        • **/details_harness|hendrycksTest-abstract_algebra|5_2023-08-29T16:04:44.471378.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2023-08-29T16:04:44.471378.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2023-08-29T16:04:44.471378.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2023-08-29T16:04:44.471378.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2023-08-29T16:04:44.471378.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2023-08-29T16:04:44.471378.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2023-08-29T16:04:44.471378.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2023-08-29T16:04:44.471378.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2023-08-29T16:04:44.471378.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2023-08-29T16:04:44.471378.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2023-08-29T16:04:44.471378.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2023-08-29T16:04:44.471378.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2023-08-29T16:04:44.471378.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2023-08-29T16:04:44.471378.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2023-08-29T16:04:44.471378.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2023-08-29T16:04:44.471378.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2023-08-29T16:04:44.471378.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2023-08-29T16:04:44.471378.parquet
        • **/details_harness|hendrycksTest-high_school_biology|5_2023-08-29T16:04:44.471378.parquet
        • ... }