open-llm-leaderboard/details_DevaMalla__llama_7b_qlora_cds

该数据集是在评估模型DevaMalla/llama_7b_qlora_cds时自动创建的，用于Open LLM Leaderboard的评估任务。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在不同的分割中，分割名称使用运行的时间戳命名。此外，数据集还包含一个名为“results”的配置，用于存储所有运行的聚合结果，并在Open LLM Leaderboard上显示聚合指标。

原始信息汇总

数据集概述

该数据集是在评估模型 DevaMalla/llama_7b_qlora_cds 在 Open LLM Leaderboard 上的自动创建的。

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" 分割总是指向最新的结果。
• 额外的配置 "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。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_DevaMalla__llama_7b_qlora_cds", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-27T04:49:41.521355 运行的最新结果： python { "all": { "em": 0.001153523489932886, "em_stderr": 0.0003476179896857104, "f1": 0.05950083892617462, "f1_stderr": 0.0013434612460508462, "acc": 0.37919144217863743, "acc_stderr": 0.00905606982363287 }, "harness|drop|3": { "em": 0.001153523489932886, "em_stderr": 0.0003476179896857104, "f1": 0.05950083892617462, "f1_stderr": 0.0013434612460508462 }, "harness|gsm8k|5": { "acc": 0.04094010614101592, "acc_stderr": 0.0054580767962943534 }, "harness|winogrande|5": { "acc": 0.7174427782162589, "acc_stderr": 0.012654062850971388 } }

配置详情

• harness_arc_challenge_25

  • 分割：2023_09_22T04_45_53.038804, latest
  • 路径：**/details_harness|arc:challenge|25_2023-09-22T04-45-53.038804.parquet

• harness_drop_3

  • 分割：2023_10_27T04_49_41.521355, latest
  • 路径：**/details_harness|drop|3_2023-10-27T04-49-41.521355.parquet

• harness_gsm8k_5

  • 分割：2023_10_27T04_49_41.521355, latest
  • 路径：**/details_harness|gsm8k|5_2023-10-27T04-49-41.521355.parquet

• harness_hellaswag_10

  • 分割：2023_09_22T04_45_53.038804, latest
  • 路径：**/details_harness|hellaswag|10_2023-09-22T04-45-53.038804.parquet

• harness_hendrycksTest_5

  • 分割：2023_09_22T04_45_53.038804, latest
  • 路径：多个路径，如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-09-22T04-45-53.038804.parquet 等

• harness_hendrycksTest_abstract_algebra_5

  • 分割：2023_09_22T04_45_53.038804, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-09-22T04-45-53.038804.parquet

• harness_hendrycksTest_anatomy_5

  • 分割：2023_09_22T04_45_53.038804, latest
  • 路径：**/details_harness|hendrycksTest-anatomy|5_2023-09-22T04-45-53.038804.parquet

• harness_hendrycksTest_astronomy_5

  • 分割：2023_09_22T04_45_53.038804, latest
  • 路径：**/details_harness|hendrycksTest-astronomy|5_2023-09-22T04-45-53.038804.parquet

• harness_hendrycksTest_business_ethics_5

  • 分割：2023_09_22T04_45_53.038804, latest
  • 路径：**/details_harness|hendrycksTest-business_ethics|5_2023-09-22T04-45-53.038804.parquet

• harness_hendrycksTest_clinical_knowledge_5

  • 分割：2023_09_22T04_45_53.038804, latest
  • 路径：**/details_harness|hendrycksTest-clinical_knowledge|5_2023-09-22T04-45-53.038804.parquet

• harness_hendrycksTest_college_biology_5

  • 分割：2023_09_22T04_45_53.038804, latest
  • 路径：**/details_harness|hendrycksTest-college_biology|5_2023-09-22T04-45-53.038804.parquet

• harness_hendrycksTest_college_chemistry_5

  • 分割：2023_09_22T04_45_53.038804, latest
  • 路径：**/details_harness|hendrycksTest-college_chemistry|5_2023-09-22T04-45-53.038804.parquet

• harness_hendrycksTest_college_computer_science_5

  • 分割：2023_09_22T04_45_53.038804, latest
  • 路径：**/details_harness|hendrycksTest-college_computer_science|5_2023-09-22T04-45-53.038804.parquet

• harness_hendrycksTest_college_mathematics_5

  • 分割：2023_09_22T04_45_53.038804, latest
  • 路径：**/details_harness|hendrycksTest-college_mathematics|5_2023-09-22T04-45-53.038804.parquet

• harness_hendrycksTest_college_medicine_5

  • 分割：2023_09_22T04_45_53.038804, latest
  • 路径：**/details_harness|hendrycksTest-college_medicine|5_2023-09-22T04-45-53.038804.parquet

• harness_hendrycksTest_college_physics_5

  • 分割：2023_09_22T04_45_53.038804, latest
  • 路径：**/details_harness|hendrycksTest-college_physics|5_2023-09-22T04-45-53.038804.parquet

• harness_hendrycksTest_computer_security_5

  • 分割：2023_09_22T04_45_53.038804, latest
  • 路径：**/details_harness|hendrycksTest-computer_security|5_2023-09-22T04-45-53.038804.parquet

• harness_hendrycksTest_conceptual_physics_5

  • 分割：2023_09_22T04_45_53.038804, latest
  • 路径：**/details_harness|hendrycksTest-conceptual_physics|5_2023-09-22T04-45-53.038804.parquet

• harness_hendrycksTest_econometrics_5

  • 分割：2023_09_22T04_45_53.038804, latest
  • 路径：**/details_harness|hendrycksTest-econometrics|5_2023-09-22T04-45-53.038804.parquet

• harness_hendrycksTest_electrical_engineering_5

  • 分割：2023_09_22T04_45_53.038804, latest
  • 路径：**/details_harness|hendrycksTest-electrical_engineering|5_2023-09-22T04-45-53.038804.parquet

• harness_hendrycksTest_elementary_mathematics_5

  • 分割：2023_09_22T04_45_53.038804, latest
  • 路径：**/details_harness|hendrycksTest-elementary_mathematics|5_2023-09-22T04-45-53.038804.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。