open-llm-leaderboard/details_ChavyvAkvar__habib-v3

该数据集是在评估模型ChavyvAkvar/habib-v3时自动生成的，主要用于Open LLM Leaderboard的评估任务。数据集包含63个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行的结果存储为特定的分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。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

数据集名称

• pretty_name: Evaluation run of ChavyvAkvar/habib-v3

数据集来源

• dataset_summary: 该数据集是在评估模型ChavyvAkvar/habib-v3在Open LLM Leaderboard上的运行过程中自动创建的。

数据集组成

• 配置数量: 63个配置，每个配置对应一个评估任务。
• 数据集创建: 从1次运行中创建，每次运行作为一个特定的分割，分割名称使用运行的时间戳命名。
• 额外配置: “results”配置存储所有运行的聚合结果，用于计算和显示聚合指标。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_ChavyvAkvar__habib-v3", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-04-05T21:08:48.723483的运行。
• 结果内容: 包含多个任务的准确率(acc)和标准误差(acc_stderr)等指标。

数据集配置详情

配置列表

1. harness_arc_challenge_25

   • 数据文件:
     • 分割: 2024_04_05T21_08_48.723483, 路径: /details_harness|arc:challenge|25_2024-04-05T21-08-48.723483.parquet
     • 分割: latest, 路径: /details_harness|arc:challenge|25_2024-04-05T21-08-48.723483.parquet

2. harness_gsm8k_5

   • 数据文件:
     • 分割: 2024_04_05T21_08_48.723483, 路径: /details_harness|gsm8k|5_2024-04-05T21-08-48.723483.parquet
     • 分割: latest, 路径: /details_harness|gsm8k|5_2024-04-05T21-08-48.723483.parquet

3. harness_hellaswag_10

   • 数据文件:
     • 分割: 2024_04_05T21_08_48.723483, 路径: /details_harness|hellaswag|10_2024-04-05T21-08-48.723483.parquet
     • 分割: latest, 路径: /details_harness|hellaswag|10_2024-04-05T21-08-48.723483.parquet

4. harness_hendrycksTest_5

   • 数据文件:
     • 分割: 2024_04_05T21_08_48.723483, 路径:
       • /details_harness|hendrycksTest-abstract_algebra|5_2024-04-05T21-08-48.723483.parquet
       • /details_harness|hendrycksTest-anatomy|5_2024-04-05T21-08-48.723483.parquet
       • /details_harness|hendrycksTest-astronomy|5_2024-04-05T21-08-48.723483.parquet
       • /details_harness|hendrycksTest-business_ethics|5_2024-04-05T21-08-48.723483.parquet
       • /details_harness|hendrycksTest-clinical_knowledge|5_2024-04-05T21-08-48.723483.parquet
       • /details_harness|hendrycksTest-college_biology|5_2024-04-05T21-08-48.723483.parquet
       • /details_harness|hendrycksTest-college_chemistry|5_2024-04-05T21-08-48.723483.parquet
       • /details_harness|hendrycksTest-college_computer_science|5_2024-04-05T21-08-48.723483.parquet
       • /details_harness|hendrycksTest-college_mathematics|5_2024-04-05T21-08-48.723483.parquet
       • /details_harness|hendrycksTest-college_medicine|5_2024-04-05T21-08-48.723483.parquet
       • /details_harness|hendrycksTest-college_physics|5_2024-04-05T21-08-48.723483.parquet
       • /details_harness|hendrycksTest-computer_security|5_2024-04-05T21-08-48.723483.parquet
       • /details_harness|hendrycksTest-conceptual_physics|5_2024-04-05T21-08-48.723483.parquet
       • /details_harness|hendrycksTest-econometrics|5_2024-04-05T21-08-48.723483.parquet
       • /details_harness|hendrycksTest-electrical_engineering|5_2024-04-05T21-08-48.723483.parquet
       • /details_harness|hendrycksTest-elementary_mathematics|5_2024-04-05T21-08-48.723483.parquet
       • /details_harness|hendrycksTest-formal_logic|5_2024-04-05T21-08-48.723483.parquet
       • /details_harness|hendrycksTest-global_facts|5_2024-04-05T21-08-48.723483.parquet
       • /details_harness|hendrycksTest-high_school_biology|5_2024-04-05T21-08-48.723483.parquet
       • /details_harness|hendrycksTest-high_school_chemistry|5_2024-04-05T21-08-48.723483.parquet