open-llm-leaderboard-old/details_tianyil1__denas-llama2

该数据集是在模型tianyil1/denas-llama2的评估运行期间自动创建的，用于Open LLM Leaderboard的评估。数据集由61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特定的分割，分割名称使用运行的时间戳。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Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

该数据集是在对模型 tianyil1/denas-llama2 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。数据集包含 61 个配置，每个配置对应一个评估任务。

数据集结构

• 配置数量：61 个配置
• 数据来源：从 1 次运行中创建
• 分割方式：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，用于计算和显示聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_tianyil1__denas-llama2", "harness_truthfulqa_mc_0", split="train")

最新结果

以下是 2023-08-30T16:03:41.588049 运行的最新结果：

python { "all": { "acc": 0.45795528138208735, "acc_stderr": 0.03527742372208128, "acc_norm": 0.4618604191106212, "acc_norm_stderr": 0.03526366614184863, "mc1": 0.3084455324357405, "mc1_stderr": 0.01616803938315687, "mc2": 0.4524124423828304, "mc2_stderr": 0.01467368036859452 }, "harness|arc:challenge|25": { "acc": 0.4991467576791809, "acc_stderr": 0.014611369529813272, "acc_norm": 0.5392491467576792, "acc_norm_stderr": 0.014566303676636584 }, "harness|hellaswag|10": { "acc": 0.5880302728540131, "acc_stderr": 0.004911837730582202, "acc_norm": 0.7783310097590121, "acc_norm_stderr": 0.004145206350032315 }, ... }

配置详情

• config_name: harness_arc_challenge_25

  • split: 2023_08_30T16_03_41.588049
    • **/details_harness|arc:challenge|25_2023-08-30T16:03:41.588049.parquet
  • split: latest
    • **/details_harness|arc:challenge|25_2023-08-30T16:03:41.588049.parquet

• config_name: harness_hellaswag_10

  • split: 2023_08_30T16_03_41.588049
    • **/details_harness|hellaswag|10_2023-08-30T16:03:41.588049.parquet
  • split: latest
    • **/details_harness|hellaswag|10_2023-08-30T16:03:41.588049.parquet

• config_name: harness_hendrycksTest_5

  • split: 2023_08_30T16_03_41.588049
    • **/details_harness|hendrycksTest-abstract_algebra|5_2023-08-30T16:03:41.588049.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2023-08-30T16:03:41.588049.parquet
    • **/details_harness|hendrycksTest-astronomy|5_2023-08-30T16:03:41.588049.parquet
    • ...