open-llm-leaderboard-old/details_paulml__DPOB-NMTOB-7B
收藏Hugging Face2024-02-12 更新2024-06-22 收录
下载链接：
https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_paulml__DPOB-NMTOB-7B
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是在Open LLM Leaderboard上对模型paulml/DPOB-NMTOB-7B进行评估时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中创建的，每次运行作为每个配置中的一个特定分割，分割名称使用运行的时间戳。train分割始终指向最新结果。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文件还提供了一个Python代码片段，用于加载运行中的详细信息，并提供了特定运行的最新结果。
该数据集是在Open LLM Leaderboard上对模型paulml/DPOB-NMTOB-7B进行评估时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中创建的，每次运行作为每个配置中的一个特定分割，分割名称使用运行的时间戳。train分割始终指向最新结果。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文件还提供了一个Python代码片段，用于加载运行中的详细信息，并提供了特定运行的最新结果。
提供机构：
open-llm-leaderboard-old
原始信息汇总
数据集概述
数据集简介
该数据集是在对模型 paulml/DPOB-NMTOB-7B 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。
数据集结构
- 配置数量：63个配置，每个配置对应一个评估任务。
- 数据来源：数据集来自1次运行，每次运行在每个配置中都有一个特定的分割，分割名称使用运行的时间戳。
- 最新结果："train" 分割始终指向最新的结果。
- 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_paulml__DPOB-NMTOB-7B", "harness_winogrande_5", split="train")
最新结果
以下是 2024-02-12T13:03:38.568467 运行的最新结果：
python { "all": { "acc": 0.6530989447346045, "acc_stderr": 0.031982430662079626, "acc_norm": 0.652496047322301, "acc_norm_stderr": 0.032651854912140676, "mc1": 0.6046511627906976, "mc1_stderr": 0.017115815632418208, "mc2": 0.7507547852305267, "mc2_stderr": 0.014295572507171578 }, "harness|arc:challenge|25": { "acc": 0.7056313993174061, "acc_stderr": 0.013318528460539419, "acc_norm": 0.7312286689419796, "acc_norm_stderr": 0.012955065963710696 }, "harness|hellaswag|10": { "acc": 0.7152957578171679, "acc_stderr": 0.0045035118550500325, "acc_norm": 0.8894642501493726, "acc_norm_stderr": 0.003129155503881715 }, ... }
配置详情
-
配置名称：harness_arc_challenge_25
- 数据文件：
- 分割：2024_02_12T13_03_38.568467
- 路径：
**/details_harness|arc:challenge|25_2024-02-12T13-03-38.568467.parquet
- 路径：
- 分割：latest
- 路径：
**/details_harness|arc:challenge|25_2024-02-12T13-03-38.568467.parquet
- 路径：
- 分割：2024_02_12T13_03_38.568467
- 数据文件：
-
配置名称：harness_gsm8k_5
- 数据文件：
- 分割：2024_02_12T13_03_38.568467
- 路径：
**/details_harness|gsm8k|5_2024-02-12T13-03-38.568467.parquet
- 路径：
- 分割：latest
- 路径：
**/details_harness|gsm8k|5_2024-02-12T13-03-38.568467.parquet
- 路径：
- 分割：2024_02_12T13_03_38.568467
- 数据文件：
-
配置名称：harness_hellaswag_10
- 数据文件：
- 分割：2024_02_12T13_03_38.568467
- 路径：
**/details_harness|hellaswag|10_2024-02-12T13-03-38.568467.parquet
- 路径：
- 分割：latest
- 路径：
**/details_harness|hellaswag|10_2024-02-12T13-03-38.568467.parquet
- 路径：
- 分割：2024_02_12T13_03_38.568467
- 数据文件：
-
配置名称：harness_hendrycksTest_5
- 数据文件：
- 分割：2024_02_12T13_03_38.568467
- 路径：
**/details_harness|hendrycksTest-abstract_algebra|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-anatomy|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-astronomy|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-business_ethics|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-clinical_knowledge|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-college_biology|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-college_chemistry|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-college_computer_science|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-college_mathematics|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-college_medicine|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-college_physics|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-computer_security|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-conceptual_physics|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-econometrics|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-electrical_engineering|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-elementary_mathematics|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-formal_logic|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-global_facts|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-high_school_biology|5_2024-02-12T13-03-38.568467.parquet- ...
- 路径：
- 分割：latest
- 路径：
**/details_harness|hendrycksTest-abstract_algebra|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-anatomy|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-astronomy|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-business_ethics|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-clinical_knowledge|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-college_biology|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-college_chemistry|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-college_computer_science|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-college_mathematics|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-college_medicine|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-college_physics|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-computer_security|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-conceptual_physics|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-econometrics|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-electrical_engineering|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-elementary_mathematics|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-formal_logic|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-global_facts|5_2024-02-12T13-03-38.568467.parquet**/details_harness|hendrycksTest-high_school_biology|5_2024-02-12T13-03-38.568467.parquet- ...
- 路径：
- 分割：2024_02_12T13_03_38.568467
- 数据文件：
