open-llm-leaderboard-old/details_voidful__qd-phi-1_5

该数据集是在模型voidful/qd-phi-1_5的评估过程中自动生成的，用于Open LLM Leaderboard的评估。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2次运行生成，每次运行的结果存储在不同的split中，split以运行的时间戳命名。train split始终指向最新的结果。此外，数据集还包含一个名为results的配置，用于存储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 Evaluation run of voidful/qd-phi-1_5 是在评估模型 voidful/qd-phi-1_5 在 Open LLM Leaderboard 上的运行过程中自动创建的。该数据集包含 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 个配置
• 数据来源：从 2 次运行中创建，每次运行对应一个特定的时间戳
• 数据分割：每个配置包含多个分割，包括特定时间戳的分割和最新的 train 分割
• 结果汇总：一个额外的配置 results 存储所有运行的汇总结果，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_voidful__qd-phi-1_5", "harness_winogrande_5", split="train")

最新结果

以下是 最新结果 的摘要：

python { "all": { "acc": 0.3645232776260812, "acc_stderr": 0.033681797060402946, "acc_norm": 0.36780017371067014, "acc_norm_stderr": 0.03456200693061439, "mc1": 0.2937576499388005, "mc1_stderr": 0.015945068581236618, "mc2": 0.4422544970498814, "mc2_stderr": 0.015504265080594881 }, "harness|arc:challenge|25": { "acc": 0.45563139931740615, "acc_stderr": 0.014553749939306868, "acc_norm": 0.4948805460750853, "acc_norm_stderr": 0.014610624890309157 }, "harness|hellaswag|10": { "acc": 0.4644493128858793, "acc_stderr": 0.004977152746478585, "acc_norm": 0.6073491336387173, "acc_norm_stderr": 0.0048734218332915635 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.28, "acc_stderr": 0.04512608598542129, "acc_norm": 0.28, "acc_norm_stderr": 0.04512608598542129 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_04_03T08_27_11.490097, 2024_04_07T21_18_27.627362, latest
  • 路径：**/details_harness|arc:challenge|25_2024-04-03T08-27-11.490097.parquet, **/details_harness|arc:challenge|25_2024-04-07T21-18-27.627362.parquet

• harness_gsm8k_5

  • 分割：2024_04_03T08_27_11.490097, 2024_04_07T21_18_27.627362, latest
  • 路径：**/details_harness|gsm8k|5_2024-04-03T08-27-11.490097.parquet, **/details_harness|gsm8k|5_2024-04-07T21-18-27.627362.parquet

• harness_hellaswag_10

  • 分割：2024_04_03T08_27_11.490097, 2024_04_07T21_18_27.627362, latest
  • 路径：**/details_harness|hellaswag|10_2024-04-03T08-27-11.490097.parquet, **/details_harness|hellaswag|10_2024-04-07T21-18-27.627362.parquet

• harness_hendrycksTest_5

  • 分割：2024_04_03T08_27_11.490097, 2024_04_07T21_18_27.627362, latest
  • 路径：多个路径，包括不同任务的详细数据文件

以上内容总结了数据集的关键信息，包括数据集的结构、加载示例、最新结果和配置详情。