open-llm-leaderboard/details_concedo__Pythia-70M-ChatSalad

该数据集是在评估模型concedo/Pythia-70M-ChatSalad时自动创建的，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在不同的分割中，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，并用于计算和显示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集创建

• 数据集是在对模型 concedo/Pythia-70M-ChatSalad 进行评估运行期间自动创建的。
• 该数据集用于 Open LLM Leaderboard 上的评估。

数据集结构

• 数据集包含 64 个配置，每个配置对应一个评估任务。
• 数据集从 2 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。

结果配置

• 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。

最新结果

• 最新结果来自 2023-09-22T19:59:13.355253 运行，包含以下指标： python { "all": { "em": 0.0014681208053691276, "em_stderr": 0.00039210421902982634, "f1": 0.008363045302013424, "f1_stderr": 0.0006175853648384896, "acc": 0.26203630623520124, "acc_stderr": 0.0070180948326975644 }, "harness|drop|3": { "em": 0.0014681208053691276, "em_stderr": 0.00039210421902982634, "f1": 0.008363045302013424, "f1_stderr": 0.0006175853648384896 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|winogrande|5": { "acc": 0.5240726124704025, "acc_stderr": 0.014036189665395129 } }

配置详情

• 数据集包含多个配置，每个配置对应不同的任务和运行时间戳。以下是部分配置示例：
  • harness_arc_challenge_25
  • harness_drop_3
  • harness_gsm8k_5
  • harness_hellaswag_10
  • harness_hendrycksTest_5
  • harness_hendrycksTest_abstract_algebra_5
  • harness_hendrycksTest_anatomy_5
  • harness_hendrycksTest_astronomy_5
  • harness_hendrycksTest_business_ethics_5
  • harness_hendrycksTest_clinical_knowledge_5
  • harness_hendrycksTest_college_biology_5
  • harness_hendrycksTest_college_chemistry_5
  • harness_hendrycksTest_college_computer_science_5
  • harness_hendrycksTest_college_mathematics_5
  • harness_hendrycksTest_college_medicine_5
  • harness_hendrycksTest_college_physics_5
  • harness_hendrycksTest_computer_security_5
  • harness_hendrycksTest_conceptual_physics_5
  • harness_hendrycksTest_econometrics_5
  • harness_hendrycksTest_electrical_engineering_5
  • harness_hendrycksTest_elementary_mathematics_5