open-llm-leaderboard-old/details_sethuiyer__Medichat-Llama3-8B

该数据集是在Open LLM Leaderboard上对模型sethuiyer/Medichat-Llama3-8B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。数据集包含一次运行的结果，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，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`函数加载运行中的详细信息的示例。还包括了2024年4月23日运行的最新结果，显示了不同任务的各种准确性指标。

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 sethuiyer/Medichat-Llama3-8B 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。

数据集结构

• 配置数量：63 个配置
• 数据来源：1 次运行结果
• 数据分割：每个配置包含特定分割，分割名称使用运行的时间戳。"train" 分割始终指向最新结果。
• 额外配置："results" 配置存储所有运行结果的聚合，用于计算和显示 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_sethuiyer__Medichat-Llama3-8B", "harness_winogrande_5", split="train")

最新结果

以下是 最新结果 的摘要：

python { "all": { "acc": 0.6514768620005231, "acc_stderr": 0.0323547851896446, "acc_norm": 0.6538947606196546, "acc_norm_stderr": 0.033008494047062534, "mc1": 0.3353733170134639, "mc1_stderr": 0.01652753403966899, "mc2": 0.4965202923021583, "mc2_stderr": 0.01469732014156012 }, "harness|arc:challenge|25": { "acc": 0.5622866894197952, "acc_stderr": 0.01449757388110828, "acc_norm": 0.591296928327645, "acc_norm_stderr": 0.014365750345427 }, "harness|hellaswag|10": { "acc": 0.6255725951005776, "acc_stderr": 0.004829856058603582, "acc_norm": 0.8290181238797052, "acc_norm_stderr": 0.00375723680639734 }, # 其他任务结果省略... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_04_23T04_35_55.158266, latest
  • 路径：**/details_harness|arc:challenge|25_2024-04-23T04-35-55.158266.parquet

• harness_gsm8k_5

  • 分割：2024_04_23T04_35_55.158266, latest
  • 路径：**/details_harness|gsm8k|5_2024-04-23T04-35-55.158266.parquet

• harness_hellaswag_10

  • 分割：2024_04_23T04_35_55.158266, latest
  • 路径：**/details_harness|hellaswag|10_2024-04-23T04-35-55.158266.parquet

• harness_hendrycksTest_5

  • 分割：2024_04_23T04_35_55.158266, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2024-04-23T04-35-55.158266.parquet 等