open-llm-leaderboard/details_DanielSc4__RedPajama-INCITE-Chat-3B-v1-RL-LoRA-8bit-test1

该数据集是在模型DanielSc4/RedPajama-INCITE-Chat-3B-v1-RL-LoRA-8bit-test1的评估运行期间自动创建的，用于在Open LLM Leaderboard上进行评估。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2次运行生成，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，用于在Open LLM Leaderboard上计算和显示聚合指标。

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 DanielSc4/RedPajama-INCITE-Chat-3B-v1-RL-LoRA-8bit-test1 在 Open LLM Leaderboard 上的运行过程中自动创建的。

数据集组成

• 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 2 次运行创建，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。
• 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_DanielSc4__RedPajama-INCITE-Chat-3B-v1-RL-LoRA-8bit-test1", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-25T05:14:36.225763 运行的最新结果： python { "all": { "em": 0.0025167785234899327, "em_stderr": 0.0005131152834515013, "f1": 0.060823196308725104, "f1_stderr": 0.0014310538463956732, "acc": 0.3286670500301285, "acc_stderr": 0.007440585256579462 }, "harness|drop|3": { "em": 0.0025167785234899327, "em_stderr": 0.0005131152834515013, "f1": 0.060823196308725104, "f1_stderr": 0.0014310538463956732 }, "harness|gsm8k|5": { "acc": 0.003032600454890068, "acc_stderr": 0.0015145735612245434 }, "harness|winogrande|5": { "acc": 0.654301499605367, "acc_stderr": 0.01336659695193438 } }

配置详情

• harness_arc_challenge_25

  • 分割: 2023_08_29T15_41_04.762236, latest
  • 路径: **/details_harness|arc:challenge|25_2023-08-29T15:41:04.762236.parquet

• harness_drop_3

  • 分割: 2023_10_25T05_14_36.225763, latest
  • 路径: **/details_harness|drop|3_2023-10-25T05-14-36.225763.parquet

• harness_gsm8k_5

  • 分割: 2023_10_25T05_14_36.225763, latest
  • 路径: **/details_harness|gsm8k|5_2023-10-25T05-14-36.225763.parquet

• harness_hellaswag_10

  • 分割: 2023_08_29T15_41_04.762236, latest
  • 路径: **/details_harness|hellaswag|10_2023-08-29T15:41:04.762236.parquet

• harness_hendrycksTest_5

  • 分割: 2023_08_29T15_41_04.762236, latest
  • 路径: 多个路径，详见原文

• harness_hendrycksTest_abstract_algebra_5

  • 分割: 2023_08_29T15_41_04.762236, latest
  • 路径: **/details_harness|hendrycksTest-abstract_algebra|5_2023-08-29T15:41:04.762236.parquet

• harness_hendrycksTest_anatomy_5

  • 分割: 2023_08_29T15_41_04.762236, latest
  • 路径: **/details_harness|hendrycksTest-anatomy|5_2023-08-29T15:41:04.762236.parquet

• harness_hendrycksTest_astronomy_5

  • 分割: 2023_08_29T15_41_04.762236, latest
  • 路径: **/details_harness|hendrycksTest-astronomy|5_2023-08-29T15:41:04.762236.parquet

• harness_hendrycksTest_business_ethics_5

  • 分割: 2023_08_29T15_41_04.762236, latest
  • 路径: **/details_harness|hendrycksTest-business_ethics|5_2023-08-29T15:41:04.762236.parquet

• harness_hendrycksTest_clinical_knowledge_5

  • 分割: 2023_08_29T15_41_04.762236, latest
  • 路径: **/details_harness|hendrycksTest-clinical_knowledge|5_2023-08-29T15:41:04.762236.parquet

• harness_hendrycksTest_college_biology_5

  • 分割: 2023_08_29T15_41_04.762236, latest
  • 路径: **/details_harness|hendrycksTest-college_biology|5_2023-08-29T15:41:04.762236.parquet

• harness_hendrycksTest_college_chemistry_5

  • 分割: 2023_08_29T15_41_04.762236, latest
  • 路径: **/details_harness|hendrycksTest-college_chemistry|5_2023-08-29T15:41:04.762236.parquet

• harness_hendrycksTest_college_computer_science_5

  • 分割: 2023_08_29T15_41_04.762236, latest
  • 路径: **/details_harness|hendrycksTest-college_computer_science|5_2023-08-29T15:41:04.762236.parquet

• harness_hendrycksTest_college_mathematics_5

  • 分割: 2023_08_29T15_41_04.762236, latest
  • 路径: **/details_harness|hendrycksTest-college_mathematics|5_2023-08-29T15:41:04.762236.parquet

• harness_hendrycksTest_college_medicine_5

  • 分割: 2023_08_29T15_41_04.762236, latest
  • 路径: **/details_harness|hendrycksTest-college_medicine|5_2023-08-29T15:41:04.762236.parquet

• harness_hendrycksTest_college_physics_5

  • 分割: 2023_08_29T15_41_04.762236, latest
  • 路径: **/details_harness|hendrycksTest-college_physics|5_2023-08-29T15:41:04.762236.parquet

• harness_hendrycksTest_computer_security_5

  • 分割: 2023_08_29T15_41_04.762236, latest
  • 路径: **/details_harness|hendrycksTest-computer_security|5_2023-08-29T15:41:04.762236.parquet

• harness_hendrycksTest_conceptual_physics_5

  • 分割: 2023_08_29T15_41_04.762236, latest
  • 路径: **/details_harness|hendrycksTest-conceptual_physics|5_2023-08-29T15:41:04.762236.parquet

• harness_hendrycksTest_econometrics_5

  • 分割: 2023_08_29T15_41_04.762236, latest
  • 路径: **/details_harness|hendrycksTest-econometrics|5_2023-08-29T15:41:04.762236.parquet

• harness_hendrycksTest_electrical_engineering_5

  • 分割: 2023_08_29T15_41_04.762236, latest
  • 路径: **/details_harness|hendrycksTest-electrical_engineering|5_2023-08-29T15:41:04.762236.parquet

以上是数据集的详细概述，包括数据集的组成、加载示例、最新结果以及各个配置的详细信息。

搜集汇总

背景与挑战

背景概述

该数据集是专为模型DanielSc4/RedPajama-INCITE-Chat-3B-v1-RL-LoRA-8bit-test1在Open LLM Leaderboard上的评估而自动创建的，包含64个配置对应不同任务，并由2次运行生成结果，以时间戳分割存储，其中'train'分割始终指向最新评估结果，另设'results'配置用于聚合指标计算和显示。