open-llm-leaderboard-old/details_aihub-app__ZySec-8B-v2

数据集是在模型aihub-app/ZySec-8B-v2的评估运行期间自动创建的，用于在Open LLM Leaderboard上进行评估。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中创建的，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。此外，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Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集摘要

该数据集是在对模型 aihub-app/ZySec-8B-v2 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集组成

数据集由 63 个配置组成，每个配置对应一个评估任务。数据集从 1 次运行中创建，每个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。

加载数据示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_aihub-app__ZySec-8B-v2", "harness_winogrande_5", split="train")

最新结果

最新结果摘要

这些是最新结果，来自运行 2024-02-29T19:45:19.570894。每个任务的结果包括准确率（acc）、标准化准确率（acc_norm）以及它们的标准误差（acc_stderr 和 acc_norm_stderr）。

详细结果

python { "all": { "acc": 0.5438709064914993, "acc_stderr": 0.03422786878560015, "acc_norm": 0.548909978212684, "acc_norm_stderr": 0.03494669391854546, "mc1": 0.3011015911872705, "mc1_stderr": 0.016058999026100616, "mc2": 0.4704799370916119, "mc2_stderr": 0.016673559318919288 }, "harness|arc:challenge|25": { "acc": 0.5025597269624573, "acc_stderr": 0.01461119932984378, "acc_norm": 0.5307167235494881, "acc_norm_stderr": 0.014583792546304037 }, "harness|hellaswag|10": { "acc": 0.6136227843059151, "acc_stderr": 0.004859236191579797, "acc_norm": 0.7629954192391953, "acc_norm_stderr": 0.004243760359371336 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.29, "acc_stderr": 0.045604802157206845, "acc_norm": 0.29, "acc_norm_stderr": 0.045604802157206845 }, # 其他任务的结果... }

配置详情

配置列表

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置的数据文件

每个配置包含多个分割，包括特定时间戳的分割和最新的分割。例如：

• harness_arc_challenge_25 包含 2024-02-29T19-45-19.570894 和 latest 分割。
• harness_gsm8k_5 包含 2024-02-29T19-45-19.570894 和 latest 分割。
• harness_hellaswag_10 包含 2024-02-29T19-45-19.570894 和 latest 分割。
• harness_hendrycksTest_5 包含多个任务的 2024-02-29T19-45-19.570894 和 latest 分割。