open-llm-leaderboard-old/details_Qwen__Qwen2-beta-72B

该数据集是在Open LLM Leaderboard上对模型Qwen/Qwen2-beta-72B进行评估时自动创建的。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。"train"分割始终指向最新的结果。此外，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

数据集名称

• 名称: Evaluation run of Qwen/Qwen2-beta-72B

数据集组成

• 配置数量: 63个配置
• 每个配置对应: 一个评估任务
• 创建来源: 从1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。
• "train"分割: 总是指向最新的结果
• 额外配置: "results"存储所有运行的聚合结果，用于计算和显示在Open LLM Leaderboard上的聚合指标

最新结果

• 结果来源: 来自2024-01-29T23:47:04.571636的运行
• 详细结果: 包含多个任务的准确率（acc）、标准误差（stderr）、归一化准确率（acc_norm）和归一化标准误差（acc_norm_stderr）等指标

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Qwen__Qwen2-beta-72B_private", "harness_winogrande_5", split="train")

配置详情

• 配置名称: harness_arc_challenge_25

  • 数据文件:
    • 分割: 2024_01_29T23_47_04.571636
      • 路径: **/details_harness|arc:challenge|25_2024-01-29T23-47-04.571636.parquet
    • 分割: latest
      • 路径: **/details_harness|arc:challenge|25_2024-01-29T23-47-04.571636.parquet

• 配置名称: harness_gsm8k_5

  • 数据文件:
    • 分割: 2024_01_29T23_47_04.571636
      • 路径: **/details_harness|gsm8k|5_2024-01-29T23-47-04.571636.parquet
    • 分割: latest
      • 路径: **/details_harness|gsm8k|5_2024-01-29T23-47-04.571636.parquet

• 配置名称: harness_hellaswag_10

  • 数据文件:
    • 分割: 2024_01_29T23_47_04.571636
      • 路径: **/details_harness|hellaswag|10_2024-01-29T23-47-04.571636.parquet
    • 分割: latest
      • 路径: **/details_harness|hellaswag|10_2024-01-29T23-47-04.571636.parquet

• 配置名称: harness_hendrycksTest_5

  • 数据文件:
    • 分割: 2024_01_29T23_47_04.571636
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-01-29T23-47-04.571636.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-01-29T23-47-04.571636.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-01-29T23-47-04.571636.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-01-29T23-47-04.571636.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-01-29T23-47-04.571636.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-01-29T23-47-04.571636.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-01-29T23-47-04.571636.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-01-29T23-47-04.571636.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-01-29T23-47-04.571636.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-01-29T23-47-04.571636.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-01-29T23-47-04.571636.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-01-29T23-47-04.571636.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-01-29T23-47-04.571636.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-01-29T23-47-04.571636.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-01-29T23-47-04.571636.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-01-29T23-47-04.571636.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2024-01-29T23-47-04.571636.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2024-01-29T23-47-04.571636.parquet
        • **/details_harness|hendrycksTest-high_school_biology|5_2024-01-29T23-47-04.571636.parquet