open-llm-leaderboard-old/details_BreadAi__gpt-Youtube

该数据集是在模型BreadAi/gpt-Youtube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64个配置组成，每个配置对应一个评估任务。数据集是从2次运行中创建的，每次运行都可以在每个配置的特定拆分中找到，拆分名称使用运行的时间戳。train拆分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Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

该数据集是在评估模型 BreadAi/gpt-Youtube 在 Open LLM Leaderboard 上的运行过程中自动创建的。

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，用于计算和显示聚合指标在 Open LLM Leaderboard 上。

数据加载示例

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

最新结果

以下是 2023-09-16T17:05:46.246931 运行的最新结果： python { "all": { "em": 0.030411073825503357, "em_stderr": 0.0017585282619461873, "f1": 0.03320889261744967, "f1_stderr": 0.0017808043698679197, "acc": 0.244672454617206, "acc_stderr": 0.0070246472681452015 }, "harness|drop|3": { "em": 0.030411073825503357, "em_stderr": 0.0017585282619461873, "f1": 0.03320889261744967, "f1_stderr": 0.0017808043698679197 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|winogrande|5": { "acc": 0.489344909234412, "acc_stderr": 0.014049294536290403 } }

配置详情

配置列表

• 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

数据文件详情

每个配置包含多个分割，每个分割对应不同的运行时间戳和路径。例如：

• harness_arc_challenge_25 配置包含两个分割：
  • 2023_07_19T19_36_47.634434 分割路径：
    • **/details_harness|arc:challenge|25_2023-07-19T19:36:47.634434.parquet
  • latest 分割路径：
    • **/details_harness|arc:challenge|25_2023-07-19T19:36:47.634434.parquet

其他配置的详细信息类似，每个配置包含多个分割和对应的路径。