open-llm-leaderboard-old/details_CalderaAI__13B-Thorns-l2

该数据集是在Open LLM Leaderboard上对模型CalderaAI/13B-Thorns-l2进行评估时自动创建的。数据集由64个配置组成，每个配置对应一个评估任务。数据集由2次运行创建，每次运行在每个配置中表示为特定的分割。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，用于计算和显示Open LLM Leaderboard上的聚合指标。README还提供了如何使用`datasets`库中的`load_dataset`函数加载运行中的详细信息的示例。README中还包含了特定运行的最新结果，显示了各种任务的EM、F1和准确率等指标。

原始信息汇总

数据集概述

数据集摘要

该数据集是在评估模型 CalderaAI/13B-Thorns-l2 在 Open LLM Leaderboard 上的运行过程中自动创建的。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

• 数据集由 2 次运行创建，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 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_CalderaAI__13B-Thorns-l2", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-24T07:53:37.765793 运行的最新结果： python { "all": { "em": 0.38873741610738255, "em_stderr": 0.004992082219869444, "f1": 0.4612814597315456, "f1_stderr": 0.004772539023607796, "acc": 0.3770824444865971, "acc_stderr": 0.007432066740076047 }, "harness|drop|3": { "em": 0.38873741610738255, "em_stderr": 0.004992082219869444, "f1": 0.4612814597315456, "f1_stderr": 0.004772539023607796 }, "harness|gsm8k|5": { "acc": 0.009097801364670205, "acc_stderr": 0.0026153265107756716 }, "harness|winogrande|5": { "acc": 0.745067087608524, "acc_stderr": 0.012248806969376422 } }

配置详情

以下是数据集的配置详情：

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

数据文件路径

每个配置包含多个分割，每个分割对应一个时间戳的运行结果。例如：

• harness_arc_challenge_25 配置包含以下分割：
  • 2023_09_12T17_37_55.153820
  • latest
• harness_drop_3 配置包含以下分割：
  • 2023_10_24T07_53_37.765793
  • latest

每个分割对应的数据文件路径如下：

• harness_arc_challenge_25 配置的 2023_09_12T17_37_55.153820 分割路径：
  • **/details_harness|arc:challenge|25_2023-09-12T17-37-55.153820.parquet
• harness_drop_3 配置的 2023_10_24T07_53_37.765793 分割路径：
  • **/details_harness|drop|3_2023-10-24T07-53-37.765793.parquet