open-llm-leaderboard-old/details_aihub-app__zyte-1B

该数据集是在模型aihub-app/zyte-1B的评估运行期间自动创建的，用于Open LLM Leaderboard。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，每次运行都可以在每个配置的特定分割中找到，分割名称使用运行的时间戳命名。"train"分割始终指向最新结果。此外，一个名为"results"的配置存储了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

数据集简介

该数据集是在评估模型 aihub-app/zyte-1B 在 Open LLM Leaderboard 上的运行过程中自动创建的。

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。
• 运行次数：数据集来自1次运行。每个运行结果作为一个特定的分割存储在每个配置中，分割名称使用运行的时间戳。
• 训练分割："train" 分割始终指向最新的结果。
• 结果配置：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。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_aihub-app__zyte-1B", "harness_winogrande_5", split="train")

最新结果

以下是 2024-01-13T18:52:20.951527 运行的最新结果： python { "all": { "acc": 0.2535595202605755, "acc_stderr": 0.030560550793178157, "acc_norm": 0.2546044559605402, "acc_norm_stderr": 0.031312162600645795, "mc1": 0.2717258261933905, "mc1_stderr": 0.015572840452875828, "mc2": 0.4214033627668609, "mc2_stderr": 0.01468478270821933 }, "harness|arc:challenge|25": { "acc": 0.34726962457337884, "acc_stderr": 0.013913034529620434, "acc_norm": 0.378839590443686, "acc_norm_stderr": 0.014175915490000324 }, "harness|hellaswag|10": { "acc": 0.4567815176259709, "acc_stderr": 0.004971106265046556, "acc_norm": 0.6137223660625374, "acc_norm_stderr": 0.0048590041846946225 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.26, "acc_stderr": 0.0440844002276808, "acc_norm": 0.26, "acc_norm_stderr": 0.0440844002276808 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_01_13T18_52_20.951527, latest
  • 路径：**/details_harness|arc:challenge|25_2024-01-13T18-52-20.951527.parquet

• harness_gsm8k_5

  • 分割：2024_01_13T18_52_20.951527, latest
  • 路径：**/details_harness|gsm8k|5_2024-01-13T18-52-20.951527.parquet

• harness_hellaswag_10

  • 分割：2024_01_13T18_52_20.951527, latest
  • 路径：**/details_harness|hellaswag|10_2024-01-13T18-52-20.951527.parquet

• harness_hendrycksTest_5

  • 分割：2024_01_13T18_52_20.951527, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2024-01-13T18-52-20.951527.parquet 等

以上内容总结了数据集的关键信息，包括数据集的来源、结构、加载示例、最新结果以及各个配置的详细信息。