open-llm-leaderboard-old/details_gagan3012__MetaModelv2

该数据集是在Open LLM Leaderboard上对模型gagan3012/MetaModelv2进行评估时自动创建的。它包含63个配置，每个配置对应一个评估任务。数据集来自1次运行，每次运行在每个配置中表示为特定的分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。一个名为results的额外配置存储了运行的所有聚合结果，用于计算和显示Open LLM Leaderboard上的聚合指标。可以使用Hugging Face的datasets库加载该数据集，如提供的Python代码片段所示。还详细列出了2024-01-04特定运行的最新结果，显示了不同任务的各种准确率指标。

原始信息汇总

数据集概述

该数据集是在对模型 gagan3012/MetaModelv2 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集组成

• 该数据集包含 63 个配置，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。
• 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_gagan3012__MetaModelv2", "harness_winogrande_5", split="train")

最新结果

以下是 2024-01-04T14:41:37.767786 运行的最新结果：

python { "all": { "acc": 0.6665361592524657, "acc_stderr": 0.03162222867188688, "acc_norm": 0.6674781511292511, "acc_norm_stderr": 0.03226398387608882, "mc1": 0.5691554467564259, "mc1_stderr": 0.01733527247533237, "mc2": 0.7193907636520086, "mc2_stderr": 0.014961127066631282 }, "harness|arc:challenge|25": { "acc": 0.6843003412969283, "acc_stderr": 0.01358257109581529, "acc_norm": 0.7107508532423208, "acc_norm_stderr": 0.013250012579393441 }, "harness|hellaswag|10": { "acc": 0.7140011949810795, "acc_stderr": 0.00450965267939568, "acc_norm": 0.8855805616411073, "acc_norm_stderr": 0.003176694564511078 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.41, "acc_stderr": 0.049431107042371025, "acc_norm": 0.41, "acc_norm_stderr": 0.049431107042371025 }, # 其他任务的结果... }

配置详情

• config_name: harness_arc_challenge_25

  • 数据文件:
    • 分割: 2024_01_04T14_41_37.767786
      • 路径: **/details_harness|arc:challenge|25_2024-01-04T14-41-37.767786.parquet
    • 分割: latest
      • 路径: **/details_harness|arc:challenge|25_2024-01-04T14-41-37.767786.parquet

• config_name: harness_gsm8k_5

  • 数据文件:
    • 分割: 2024_01_04T14_41_37.767786
      • 路径: **/details_harness|gsm8k|5_2024-01-04T14-41-37.767786.parquet
    • 分割: latest
      • 路径: **/details_harness|gsm8k|5_2024-01-04T14-41-37.767786.parquet

• config_name: harness_hellaswag_10

  • 数据文件:
    • 分割: 2024_01_04T14_41_37.767786
      • 路径: **/details_harness|hellaswag|10_2024-01-04T14-41-37.767786.parquet
    • 分割: latest
      • 路径: **/details_harness|hellaswag|10_2024-01-04T14-41-37.767786.parquet

• config_name: harness_hendrycksTest_5

  • 数据文件:
    • 分割: 2024_01_04T14_41_37.767786
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-01-04T14-41-37.767786.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-01-04T14-41-37.767786.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-01-04T14-41-37.767786.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-01-04T14-41-37.767786.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-01-04T14-41-37.767786.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-01-04T14-41-37.767786.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-01-04T14-41-37.767786.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-01-04T14-41-37.767786.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-01-04T14-41-37.767786.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-01-04T14-41-37.767786.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-01-04T14-41-37.767786.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-01-04T14-41-37.767786.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-01-04T14-41-37.767786.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-01-04T14-41-37.767786.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-01-04T14-41-37.767786.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-01-04T14-41-37.767786.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2024-01-04T14-41-37.767786.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2024-01-04T14-41-37.767786.parquet
        • **/details_harness|hendrycksTest-high_school_biology|5_2024-01-04T14-41-37.767786.parquet
        • **/details_harness|hendrycksTest-high_school_chemistry|5_2024-01-04T14-41-37.767786.parquet

        其他路径...

}