open-llm-leaderboard-old/details_baconnier__banker

该数据集是在评估模型baconnier/banker时自动生成的，包含63个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行的结果作为特定配置中的一个分割，分割名称使用运行的时间戳。train分割始终指向最新结果。此外，results配置存储了所有运行的聚合结果，用于计算和展示在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 baconnier/banker 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集组成

• 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。
• 额外的 "results" 配置存储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。

最新结果

以下是 2024-04-19T01:37:11.440764 运行的最新结果：

python { "all": { "acc": 0.6136839367805824, "acc_stderr": 0.03282448088962202, "acc_norm": 0.6173648495410802, "acc_norm_stderr": 0.03348395536870536, "mc1": 0.32558139534883723, "mc1_stderr": 0.016403989469907825, "mc2": 0.4985506701186957, "mc2_stderr": 0.015484200091126965 }, "harness|arc:challenge|25": { "acc": 0.575938566552901, "acc_stderr": 0.0144418896274644, "acc_norm": 0.6032423208191127, "acc_norm_stderr": 0.014296513020180647 }, "harness|hellaswag|10": { "acc": 0.622585142401912, "acc_stderr": 0.0048374934398742984, "acc_norm": 0.8046205935072694, "acc_norm_stderr": 0.003956821705018451 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.27, "acc_stderr": 0.044619604333847415, "acc_norm": 0.27, "acc_norm_stderr": 0.044619604333847415 }, # 其他任务的结果省略... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_04_19T01_37_11.440764, latest
  • 路径：**/details_harness|arc:challenge|25_2024-04-19T01-37-11.440764.parquet

• harness_gsm8k_5

  • 分割：2024_04_19T01_37_11.440764, latest
  • 路径：**/details_harness|gsm8k|5_2024-04-19T01-37-11.440764.parquet

• harness_hellaswag_10

  • 分割：2024_04_19T01_37_11.440764, latest
  • 路径：**/details_harness|hellaswag|10_2024-04-19T01-37-11.440764.parquet

• harness_hendrycksTest_5

  • 分割：2024_04_19T01_37_11.440764, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2024-04-19T01-37-11.440764.parquet 等

以上是数据集的概述和详细配置信息。