open-llm-leaderboard-old/details_eren23__finetune_test_qwen15-1-8b-sft-lora

该数据集是在模型eren23/finetune_test_qwen15-1-8b-sft-lora的评估运行中自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集从1次运行中创建，每次运行可以在每个配置中找到，运行的时间戳作为分割的名称。train分割始终指向最新的结果。此外，results配置存储了所有运行的聚合结果，并用于计算和显示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集摘要

该数据集是在评估模型 eren23/finetune_test_qwen15-1-8b-sft-lora 在 Open LLM Leaderboard 上的自动创建的。数据集包含 63 个配置，每个配置对应一个评估任务。数据集从 1 次运行中创建，每个运行可以在每个配置中找到特定的拆分，拆分名称使用运行的时间戳。"train" 拆分始终指向最新的结果。

数据集结构

数据集包含以下配置：

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个拆分，包括特定时间戳的拆分和最新的拆分。

最新结果

以下是 最新结果 的摘要： python { "all": { "acc": 0.44651149390473405, "acc_stderr": 0.034438497511738254, "acc_norm": 0.4502623065962285, "acc_norm_stderr": 0.03518379616374743, "mc1": 0.24357405140758873, "mc1_stderr": 0.015026354824910782, "mc2": 0.37996531177707304, "mc2_stderr": 0.013814603507370885 }, "harness|arc:challenge|25": { "acc": 0.3464163822525597, "acc_stderr": 0.013905011180063258, "acc_norm": 0.36177474402730375, "acc_norm_stderr": 0.014041957945038068 }, "harness|hellaswag|10": { "acc": 0.43776140211113324, "acc_stderr": 0.004950973231188735, "acc_norm": 0.5776737701653057, "acc_norm_stderr": 0.0049292048643159725 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.33, "acc_stderr": 0.047258156262526045, "acc_norm": 0.33, "acc_norm_stderr": 0.047258156262526045 }, # 其他任务的结果... }

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_eren23__finetune_test_qwen15-1-8b-sft-lora", "harness_winogrande_5", split="train")