open-llm-leaderboard-old/details_KnutJaegersberg__black_goo_recipe_c

该数据集是在模型 KnutJaegersberg/black_goo_recipe_c 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集由 64 个配置组成，每个配置对应一个评估任务。数据集是从 2 次运行中生成的，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。一个名为 results 的额外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 库加载数据集的示例，并包含了特定运行的最新结果。

原始信息汇总

数据集概述

该数据集是在评估模型 KnutJaegersberg/black_goo_recipe_c 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

• 配置数量：64 个配置
• 创建来源：从 2 次运行中创建，每个运行对应一个特定的时间戳。
• 数据分割：每个配置包含多个分割，其中 "train" 分割指向最新的结果。
• 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_KnutJaegersberg__black_goo_recipe_c", "harness_winogrande_5", split="train")

最新结果

以下是 最新结果 的示例：

python { "all": { "em": 0.0007340604026845638, "em_stderr": 0.0002773614457335715, "f1": 0.05227348993288602, "f1_stderr": 0.0013368463355251383, "acc": 0.32701072839257217, "acc_stderr": 0.00784863260202173 }, "harness|drop|3": { "em": 0.0007340604026845638, "em_stderr": 0.0002773614457335715, "f1": 0.05227348993288602, "f1_stderr": 0.0013368463355251383 }, "harness|gsm8k|5": { "acc": 0.006823351023502654, "acc_stderr": 0.002267537102254499 }, "harness|winogrande|5": { "acc": 0.6471981057616417, "acc_stderr": 0.013429728101788961 } }

配置详情

• harness_arc_challenge_25

  • 分割：2023_09_01T13_58_52.647382, latest
  • 路径：**/details_harness|arc:challenge|25_2023-09-01T13:58:52.647382.parquet

• harness_drop_3

  • 分割：2023_10_17T13_45_50.659300, latest
  • 路径：**/details_harness|drop|3_2023-10-17T13-45-50.659300.parquet

• harness_gsm8k_5

  • 分割：2023_10_17T13_45_50.659300, latest
  • 路径：**/details_harness|gsm8k|5_2023-10-17T13-45-50.659300.parquet

• harness_hellaswag_10

  • 分割：2023_09_01T13_58_52.647382, latest
  • 路径：**/details_harness|hellaswag|10_2023-09-01T13:58:52.647382.parquet

• harness_hendrycksTest_5

  • 分割：2023_09_01T13_58_52.647382, latest
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-09-01T13:58:52.647382.parquet

• harness_hendrycksTest_abstract_algebra_5

  • 分割：2023_09_01T13_58_52.647382, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-09-01T13:58:52.647382.parquet

• harness_hendrycksTest_anatomy_5

  • 分割：2023_09_01T13_58_52.647382, latest
  • 路径：**/details_harness|hendrycksTest-anatomy|5_2023-09-01T13:58:52.647382.parquet

• harness_hendrycksTest_astronomy_5

  • 分割：2023_09_01T13_58_52.647382, latest
  • 路径：**/details_harness|hendrycksTest-astronomy|5_2023-09-01T13:58:52.647382.parquet

• harness_hendrycksTest_business_ethics_5

  • 分割：2023_09_01T13_58_52.647382, latest
  • 路径：**/details_harness|hendrycksTest-business_ethics|5_2023-09-01T13:58:52.647382.parquet

• harness_hendrycksTest_clinical_knowledge_5

  • 分割：2023_09_01T13_58_52.647382, latest
  • 路径：**/details_harness|hendrycksTest-clinical_knowledge|5_2023-09-01T13:58:52.647382.parquet

• harness_hendrycksTest_college_biology_5

  • 分割：2023_09_01T13_58_52.647382, latest
  • 路径：**/details_harness|hendrycksTest-college_biology|5_2023-09-01T13:58:52.647382.parquet

• harness_hendrycksTest_college_chemistry_5

  • 分割：2023_09_01T13_58_52.647382, latest
  • 路径：**/details_harness|hendrycksTest-college_chemistry|5_2023-09-01T13:58:52.647382.parquet

• harness_hendrycksTest_college_computer_science_5

  • 分割：2023_09_01T13_58_52.647382, latest
  • 路径：**/details_harness|hendrycksTest-college_computer_science|5_2023-09-01T13:58:52.647382.parquet

• harness_hendrycksTest_college_mathematics_5

  • 分割：2023_09_01T13_58_52.647382, latest
  • 路径：**/details_harness|hendrycksTest-college_mathematics|5_2023-09-01T13:58:52.647382.parquet

• harness_hendrycksTest_college_medicine_5

  • 分割：2023_09_01T13_58_52.647382, latest
  • 路径：**/details_harness|hendrycksTest-college_medicine|5_2023-09-01T13:58:52.647382.parquet

• harness_hendrycksTest_college_physics_5

  • 分割：2023_09_01T13_58_52.647382, latest
  • 路径：**/details_harness|hendrycksTest-college_physics|5_2023-09-01T13:58:52.647382.parquet

• harness_hendrycksTest_computer_security_5

  • 分割：2023_09_01T13_58_52.647382, latest
  • 路径：**/details_harness|hendrycksTest-computer_security|5_2023-09-01T13:58:52.647382.parquet

• harness_hendrycksTest_conceptual_physics_5

  • 分割：2023_09_01T13_58_52.647382, latest
  • 路径：**/details_harness|hendrycksTest-conceptual_physics|5_2023-09-01T13:58:52.647382.parquet

• harness_hendrycksTest_econometrics_5

  • 分割：2023_09_01T13_58_52.647382, latest
  • 路径：**/details_harness|hendrycksTest-econometrics|5_2023-09-01T13:58:52.647382.parquet

• harness_hendrycksTest_electrical_engineering_5

  • 分割：2023_09_01T13_58_52.647382, latest
  • 路径：**/details_harness|hendrycksTest-electrical_engineering|5_2023-09-01T13:58:52.647382.parquet

• harness_hendrycksTest_elementary_mathematics_5

  • 分割：2023_09_01T13_58_52.647382, latest
  • 路径：**/details_harness|hendrycksTest-elementary_mathematics|5_2023-09-01T13:58:52.647382.parquet

以上是数据集的详细概述，包括数据集的结构、加载示例、最新结果以及各个配置的详细信息。