open-llm-leaderboard/details_w95__megachat

该数据集是在模型w95/megachat的评估运行期间自动创建的，用于Open LLM Leaderboard的评估。数据集包含64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，每次运行的结果存储为特定配置中的一个分割，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，还有一个名为results的配置，存储了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。

原始信息汇总

数据集概述

该数据集是在模型 w95/megachat 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集包含 64 个配置，每个配置对应一个评估任务。

数据集结构

• 配置数量：64 个配置
• 数据来源：从 1 次运行中创建
• 数据分割：每个配置包含特定分割，分割名称使用运行的时间戳。"train" 分割始终指向最新结果。
• 额外配置："results" 配置存储所有运行的聚合结果，用于计算和显示聚合指标在 Open LLM Leaderboard 上。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_w95__megachat_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-13T15:59:20.049368 运行 的最新结果：

python { "all": { "acc": 0.25936163462487405, "acc_stderr": 0.03091692313677521, "acc_norm": 0.26122603283331186, "acc_norm_stderr": 0.031692702511721224, "mc1": 0.24479804161566707, "mc1_stderr": 0.015051869486715014, "mc2": 0.39854544628414945, "mc2_stderr": 0.014106781910887378, "em": 0.0006291946308724832, "em_stderr": 0.00025680027497239604, "f1": 0.041603397651006783, "f1_stderr": 0.0011146754682383132 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割：2023_11_13T15_59_20.049368, latest
  • 路径：**/details_harness|arc:challenge|25_2023-11-13T15-59-20.049368.parquet

• harness_drop_3

  • 分割：2023_11_13T15_59_20.049368, latest
  • 路径：**/details_harness|drop|3_2023-11-13T15-59-20.049368.parquet

• harness_gsm8k_5

  • 分割：2023_11_13T15_59_20.049368, latest
  • 路径：**/details_harness|gsm8k|5_2023-11-13T15-59-20.049368.parquet

• harness_hellaswag_10

  • 分割：2023_11_13T15_59_20.049368, latest
  • 路径：**/details_harness|hellaswag|10_2023-11-13T15-59-20.049368.parquet

• harness_hendrycksTest_5

  • 分割：2023_11_13T15_59_20.049368, latest
  • 路径：多个路径，包括 **/details_harness|hendrycksTest-abstract_algebra|5_2023-11-13T15-59-20.049368.parquet 等