open-llm-leaderboard-old/details_FelixChao__vicuna-7B-physics

该数据集是在评估模型FelixChao/vicuna-7B-physics时自动生成的，评估是在Open LLM Leaderboard上进行的。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，每次运行都可以在特定配置中找到，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 FelixChao/vicuna-7B-physics 在 Open LLM Leaderboard 上的自动创建的。数据集包含 64 个配置，每个配置对应一个评估任务。

数据集结构

• 配置数量：64 个配置
• 数据来源：从 2 次运行中创建，每个运行对应一个特定的时间戳。
• 数据分割：每个配置包含多个分割，其中 "train" 分割指向最新的结果。
• 结果汇总：一个额外的配置 "results" 存储所有运行的汇总结果，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_FelixChao__vicuna-7B-physics", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-16T22:59:16.293660 运行的最新结果：

python { "all": { "em": 0.001153523489932886, "em_stderr": 0.0003476179896857083, "f1": 0.0649444211409399, "f1_stderr": 0.001377707459666866, "acc": 0.3681106025528177, "acc_stderr": 0.009254111861396252 }, "harness|drop|3": { "em": 0.001153523489932886, "em_stderr": 0.0003476179896857083, "f1": 0.0649444211409399, "f1_stderr": 0.001377707459666866 }, "harness|gsm8k|5": { "acc": 0.04245640636846096, "acc_stderr": 0.005553837749990046 }, "harness|winogrande|5": { "acc": 0.6937647987371744, "acc_stderr": 0.012954385972802457 } }

配置详情

• harness_arc_challenge_25

  • 分割：2023_08_18T10_17_03.743373, latest
  • 路径：**/details_harness|arc:challenge|25_2023-08-18T10:17:03.743373.parquet

• harness_drop_3

  • 分割：2023_10_16T22_59_16.293660, latest
  • 路径：**/details_harness|drop|3_2023-10-16T22-59-16.293660.parquet

• harness_gsm8k_5

  • 分割：2023_10_16T22_59_16.293660, latest
  • 路径：**/details_harness|gsm8k|5_2023-10-16T22-59-16.293660.parquet

• harness_hellaswag_10

  • 分割：2023_08_18T10_17_03.743373, latest
  • 路径：**/details_harness|hellaswag|10_2023-08-18T10:17:03.743373.parquet

• harness_hendrycksTest_5

  • 分割：2023_08_18T10_17_03.743373, latest
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-08-18T10:17:03.743373.parquet

• harness_hendrycksTest_abstract_algebra_5

  • 分割：2023_08_18T10_17_03.743373, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-08-18T10:17:03.743373.parquet

• harness_hendrycksTest_anatomy_5

  • 分割：2023_08_18T10_17_03.743373, latest
  • 路径：**/details_harness|hendrycksTest-anatomy|5_2023-08-18T10:17:03.743373.parquet

• harness_hendrycksTest_astronomy_5

  • 分割：2023_08_18T10_17_03.743373, latest
  • 路径：**/details_harness|hendrycksTest-astronomy|5_2023-08-18T10:17:03.743373.parquet

• harness_hendrycksTest_business_ethics_5

  • 分割：2023_08_18T10_17_03.743373, latest
  • 路径：**/details_harness|hendrycksTest-business_ethics|5_2023-08-18T10:17:03.743373.parquet

• harness_hendrycksTest_clinical_knowledge_5

  • 分割：2023_08_18T10_17_03.743373, latest
  • 路径：**/details_harness|hendrycksTest-clinical_knowledge|5_2023-08-18T10:17:03.743373.parquet

• harness_hendrycksTest_college_biology_5

  • 分割：2023_08_18T10_17_03.743373, latest
  • 路径：**/details_harness|hendrycksTest-college_biology|5_2023-08-18T10:17:03.743373.parquet

• harness_hendrycksTest_college_chemistry_5

  • 分割：2023_08_18T10_17_03.743373, latest
  • 路径：**/details_harness|hendrycksTest-college_chemistry|5_2023-08-18T10:17:03.743373.parquet

• harness_hendrycksTest_college_computer_science_5

  • 分割：2023_08_18T10_17_03.743373, latest
  • 路径：**/details_harness|hendrycksTest-college_computer_science|5_2023-08-18T10:17:03.743373.parquet

• harness_hendrycksTest_college_mathematics_5

  • 分割：2023_08_18T10_17_03.743373, latest
  • 路径：**/details_harness|hendrycksTest-college_mathematics|5_2023-08-18T10:17:03.743373.parquet

• harness_hendrycksTest_college_medicine_5

  • 分割：2023_08_18T10_17_03.743373, latest
  • 路径：**/details_harness|hendrycksTest-college_medicine|5_2023-08-18T10:17:03.743373.parquet

• harness_hendrycksTest_college_physics_5

  • 分割：2023_08_18T10_17_03.743373, latest
  • 路径：**/details_harness|hendrycksTest-college_physics|5_2023-08-18T10:17:03.743373.parquet

• harness_hendrycksTest_computer_security_5

  • 分割：2023_08_18T10_17_03.743373, latest
  • 路径：**/details_harness|hendrycksTest-computer_security|5_2023-08-18T10:17:03.743373.parquet

• harness_hendrycksTest_conceptual_physics_5

  • 分割：2023_08_18T10_17_03.743373, latest
  • 路径：**/details_harness|hendrycksTest-conceptual_physics|5_2023-08-18T10:17:03.743373.parquet

• harness_hendrycksTest_econometrics_5

  • 分割：2023_08_18T10_17_03.743373, latest
  • 路径：**/details_harness|hendrycksTest-econometrics|5_2023-08-18T10:17:03.743373.parquet

• harness_hendrycksTest_electrical_engineering_5

  • 分割：2023_08_18T10_17_03.743373, latest
  • 路径：**/details_harness|hendrycksTest-electrical_engineering|5_2023-08-18T10:17:03.743373.parquet

• harness_hendrycksTest_elementary_mathematics_5

  • 分割：2023_08_18T10_17_03.743373, latest
  • 路径：**/details_harness|hendrycksTest-elementary_mathematics|5_2023-08-18T10:17:03.743373.parquet

以上是数据集的详细概述，包括数据集的结构、加载示例、最新结果以及各个配置的详细信息。