open-llm-leaderboard/details_digitous__Javelin-R

该数据集是在Open LLM Leaderboard上对模型digitous/Javelin-R进行评估时自动生成的。数据集包含64个配置，每个配置对应一个被评估的任务。数据集由2次运行生成，每次运行在每个配置中表示为特定的分割，分割名称由运行的时间戳命名。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，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`函数加载运行细节的示例。

原始信息汇总

数据集概述

该数据集是在评估模型 digitous/Javelin-R 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

数据集从 2 次运行中创建，每次运行可以在每个配置中作为一个特定的分片找到，分片名称使用运行的时间戳。"train" 分片始终指向最新的结果。

额外配置

一个额外的配置 "results" 存储所有运行的聚合结果，用于计算和显示在 Open LLM Leaderboard 上的聚合指标。

加载数据示例

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

最新结果

以下是 2023-10-17T16:47:23.562896 运行的最新结果：

python { "all": { "em": 0.0010486577181208054, "em_stderr": 0.0003314581465219256, "f1": 0.05006606543624186, "f1_stderr": 0.001221286433761839, "acc": 0.3323333371230866, "acc_stderr": 0.008475235356826075 }, "harness|drop|3": { "em": 0.0010486577181208054, "em_stderr": 0.0003314581465219256, "f1": 0.05006606543624186, "f1_stderr": 0.001221286433761839 }, "harness|gsm8k|5": { "acc": 0.016679302501895376, "acc_stderr": 0.0035275958887224313 }, "harness|winogrande|5": { "acc": 0.6479873717442778, "acc_stderr": 0.01342287482492972 } }

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

以上是数据集的概述和详细配置信息。