open-llm-leaderboard-old/details_SUSTech__SUS-Chat-34B

该数据集是在Open LLM Leaderboard上对SUSTech/SUS-Chat-34B模型进行评估时自动创建的。数据集由63个配置组成，每个配置对应一个被评估的任务。数据集包含2次运行的数据，每次运行在每个配置中作为一个特定的分割表示。train分割始终指向最新的结果。此外，名为results的配置存储了所有运行的聚合结果，这些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`函数加载数据集的示例。

原始信息汇总

数据集概述

数据集基本信息

• 名称: Evaluation run of SUSTech/SUS-Chat-34B
• 创建目的: 自动创建于模型 SUSTech/SUS-Chat-34B 在 Open LLM Leaderboard 的评估运行期间。
• 组成: 包含 63 个配置，每个配置对应一个评估任务。
• 创建来源: 从 2 次运行中创建。每个运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳。"train" 分割始终指向最新的结果。
• 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 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_SUSTech__SUS-Chat-34B", "harness_winogrande_5", split="train")

最新结果

• 最新结果来源: 2023-12-10T10:55:45.455909 运行
• 结果示例: python { "all": { "acc": 0.7604055831741483, "acc_stderr": 0.02829305624294987, "acc_norm": 0.7636323040929514, "acc_norm_stderr": 0.028842862208073416, "mc1": 0.40636474908200737, "mc1_stderr": 0.017193835812093897, "mc2": 0.5704122295242341, "mc2_stderr": 0.014843409183922712 }, "harness|arc:challenge|25": { "acc": 0.6356655290102389, "acc_stderr": 0.014063260279882419, "acc_norm": 0.6629692832764505, "acc_norm_stderr": 0.013813476652902274 }, "harness|hellaswag|10": { "acc": 0.6400119498107947, "acc_stderr": 0.004790155370993446, "acc_norm": 0.8390758812985462, "acc_norm_stderr": 0.003667099594023359 }, ... }

配置详情

• 配置名称: harness_arc_challenge_25

  • 数据文件:
    • 分割: 2023_12_04T18_27_20.173218
      • 路径: **/details_harness|arc:challenge|25_2023-12-04T18-27-20.173218.parquet
    • 分割: 2023_12_10T10_55_45.455909
      • 路径: **/details_harness|arc:challenge|25_2023-12-10T10-55-45.455909.parquet
    • 分割: latest
      • 路径: **/details_harness|arc:challenge|25_2023-12-10T10-55-45.455909.parquet

• 配置名称: harness_gsm8k_5

  • 数据文件:
    • 分割: 2023_12_04T18_27_20.173218
      • 路径: **/details_harness|gsm8k|5_2023-12-04T18-27-20.173218.parquet
    • 分割: 2023_12_10T10_55_45.455909
      • 路径: **/details_harness|gsm8k|5_2023-12-10T10-55-45.455909.parquet
    • 分割: latest
      • 路径: **/details_harness|gsm8k|5_2023-12-10T10-55-45.455909.parquet

• 配置名称: harness_hellaswag_10

  • 数据文件:
    • 分割: 2023_12_04T18_27_20.173218
      • 路径: **/details_harness|hellaswag|10_2023-12-04T18-27-20.173218.parquet
    • 分割: 2023_12_10T10_55_45.455909
      • 路径: **/details_harness|hellaswag|10_2023-12-10T10-55-45.455909.parquet
    • 分割: latest
      • 路径: **/details_harness|hellaswag|10_2023-12-10T10-55-45.455909.parquet

• 配置名称: harness_hendrycksTest_5

  • 数据文件:
    • 分割: 2023_12_04T18_27_20.173218
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2023-12-04T18-27-20.173218.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2023-12-04T18-27-20.173218.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2023-12-04T18-27-20.173218.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2023-12-04T18-27-20.173218.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2023-12-04T18-27-20.173218.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2023-12-04T18-27-20.173218.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2023-12-04T18-27-20.173218.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2023-12-04T18-27-20.173218.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2023-12-04T18-27-20.173218.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2023-12-04T18-27-20.173218.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2023-12-04T18-27-20.173218.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2023-12-04T18-27-20.173218.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2023-12-04T18-27-20.173218.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2023-12-04T18-27-20.173218.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2023-12-04T18-27-20.173218.parquet ...