open-llm-leaderboard-old/details_haoranxu__ALMA-7B

该数据集是在模型haoranxu/ALMA-7B在Open LLM Leaderboard上的评估运行期间自动创建的。数据集由63个配置组成，每个配置对应一个被评估的任务。数据集包含一次运行的结果，每次运行在每个配置中表示为特定的分割。train分割始终指向最新的结果。一个名为results的额外配置存储了所有运行的聚合结果，这些结果用于计算和显示Open LLM Leaderboard上的聚合指标。文件还提供了如何使用Python中的datasets库加载运行细节的示例。还包括了2023年12月9日特定运行的最新结果，显示了不同任务的各种准确性指标。

原始信息汇总

数据集概述

数据集基本信息

• 名称: Evaluation run of haoranxu/ALMA-7B
• 来源: 在模型 haoranxu/ALMA-7B 的评估运行期间自动创建。
• 评估平台: Open LLM Leaderboard

数据集结构

• 配置数量: 63个配置，每个配置对应一个评估任务。
• 创建次数: 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。
• 最新结果: "train" 分割始终指向最新结果。
• 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_haoranxu__ALMA-7B", "harness_winogrande_5", split="train")

最新结果

• 最新结果时间戳: 2023-12-09T14:49:25.025957
• 详细结果: 包含多个任务的准确率（acc）、标准化准确率（acc_norm）、误差（stderr）等指标。

配置详情

• 配置名称: harness_arc_challenge_25

  • 数据文件:
    • 分割: 2023_12_09T14_49_25.025957
      • 路径: **/details_harness|arc:challenge|25_2023-12-09T14-49-25.025957.parquet
    • 分割: latest
      • 路径: **/details_harness|arc:challenge|25_2023-12-09T14-49-25.025957.parquet

• 配置名称: harness_gsm8k_5

  • 数据文件:
    • 分割: 2023_12_09T14_49_25.025957
      • 路径: **/details_harness|gsm8k|5_2023-12-09T14-49-25.025957.parquet
    • 分割: latest
      • 路径: **/details_harness|gsm8k|5_2023-12-09T14-49-25.025957.parquet

• 配置名称: harness_hellaswag_10

  • 数据文件:
    • 分割: 2023_12_09T14_49_25.025957
      • 路径: **/details_harness|hellaswag|10_2023-12-09T14-49-25.025957.parquet
    • 分割: latest
      • 路径: **/details_harness|hellaswag|10_2023-12-09T14-49-25.025957.parquet

• 配置名称: harness_hendrycksTest_5

  • 数据文件:
    • 分割: 2023_12_09T14_49_25.025957
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2023-12-09T14-49-25.025957.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2023-12-09T14-49-25.025957.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2023-12-09T14-49-25.025957.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2023-12-09T14-49-25.025957.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2023-12-09T14-49-25.025957.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2023-12-09T14-49-25.025957.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2023-12-09T14-49-25.025957.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2023-12-09T14-49-25.025957.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2023-12-09T14-49-25.025957.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2023-12-09T14-49-25.025957.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2023-12-09T14-49-25.025957.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2023-12-09T14-49-25.025957.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2023-12-09T14-49-25.025957.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2023-12-09T14-49-25.025957.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2023-12-09T14-49-25.025957.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2023-12-09T14-49-25.025957.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2023-12-09T14-49-25.025957.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2023-12-09T14-49-25.025957.parquet
        • **/details_harness|hendrycksTest-high_school_biology|5_2023-12-09T14-49-25.025957.parquet
        • **/details_harness|hendrycksTest-high_school_chemistry|5_2023-12-09T14-49-25.025957.parquet