open-llm-leaderboard/details_Undi95__MXLewd-L2-20B

该数据集是在Open LLM Leaderboard上对模型Undi95/MXLewd-L2-20B进行评估时自动生成的。数据集包含64个配置，每个配置对应一个被评估的任务。数据集由2次运行的数据组成，每次运行在每个配置中表示为特定的分割，分割名称由运行的时间戳命名。train分割始终指向最新的结果。此外，还有一个results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Hugging Face datasets库加载数据集的示例。

原始信息汇总

数据集概述

数据集来源

该数据集是在评估模型 Undi95/MXLewd-L2-20B 在 Open LLM Leaderboard 上的自动创建的。

数据集结构

• 数据集包含 64 个配置，每个配置对应一个评估任务。
• 数据集从 2 次运行中创建，每次运行在每个配置中作为一个特定的分片存在，分片名称使用运行的时间戳。
• "train" 分片总是指向最新的结果。
• 一个额外的配置 "results" 存储所有运行的聚合结果，用于计算和显示聚合指标在 Open LLM Leaderboard 上。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Undi95__MXLewd-L2-20B", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-26T15:01:29.901026 运行的最新结果： python { "all": { "em": 0.0759228187919463, "em_stderr": 0.002712563641278116, "f1": 0.1446036073825498, "f1_stderr": 0.0029538450645220115, "acc": 0.43501301181864477, "acc_stderr": 0.01028931557267752 }, "harness|drop|3": { "em": 0.0759228187919463, "em_stderr": 0.002712563641278116, "f1": 0.1446036073825498, "f1_stderr": 0.0029538450645220115 }, "harness|gsm8k|5": { "acc": 0.10917361637604246, "acc_stderr": 0.008590089300511132 }, "harness|winogrande|5": { "acc": 0.760852407261247, "acc_stderr": 0.01198854184484391 } }

配置详情

以下是部分配置的详细信息：

• harness_arc_challenge_25

  • 分片：2023_10_03T17_32_13.142085
    • 路径：**/details_harness|arc:challenge|25_2023-10-03T17-32-13.142085.parquet
  • 分片：latest
    • 路径：**/details_harness|arc:challenge|25_2023-10-03T17-32-13.142085.parquet

• harness_drop_3

  • 分片：2023_10_26T15_01_29.901026
    • 路径：**/details_harness|drop|3_2023-10-26T15-01-29.901026.parquet
  • 分片：latest
    • 路径：**/details_harness|drop|3_2023-10-26T15-01-29.901026.parquet

• harness_gsm8k_5

  • 分片：2023_10_26T15_01_29.901026
    • 路径：**/details_harness|gsm8k|5_2023-10-26T15-01-29.901026.parquet
  • 分片：latest
    • 路径：**/details_harness|gsm8k|5_2023-10-26T15-01-29.901026.parquet

• harness_hellaswag_10

  • 分片：2023_10_03T17_32_13.142085
    • 路径：**/details_harness|hellaswag|10_2023-10-03T17-32-13.142085.parquet
  • 分片：latest
    • 路径：**/details_harness|hellaswag|10_2023-10-03T17-32-13.142085.parquet

• harness_hendrycksTest_5

  • 分片：2023_10_03T17_32_13.142085
    • 路径：
      • **/details_harness|hendrycksTest-abstract_algebra|5_2023-10-03T17-32-13.142085.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2023-10-03T17-32-13.142085.parquet
      • ...
  • 分片：latest
    • 路径：
      • **/details_harness|hendrycksTest-abstract_algebra|5_2023-10-03T17-32-13.142085.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2023-10-03T17-32-13.142085.parquet
      • ...