open-llm-leaderboard-old/details_JaeyeonKang__CCK_Asura_v1

该数据集是在模型JaeyeonKang/CCK_Asura_v1的评估运行期间自动创建的，用于Open LLM Leaderboard的评估。数据集包含63个配置，每个配置对应一个评估任务。数据集由1次运行创建，每次运行的结果存储为特定配置中的一个分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，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。

原始信息汇总

数据集概述

数据集基本信息

• 数据集名称: Evaluation run of JaeyeonKang/CCK_Asura_v1
• 数据集来源: 自动创建于模型 JaeyeonKang/CCK_Asura_v1 在 Open LLM Leaderboard 的评估运行期间。

数据集结构

• 配置数量: 63
• 配置对应任务: 每个配置对应一个评估任务。
• 数据集创建: 从1次运行中创建，每个运行结果作为特定分割存储，分割名称使用运行的时间戳。
• 最新结果: "train" 分割始终指向最新结果。
• 汇总结果: 额外配置 "results" 存储所有运行的汇总结果，用于计算和显示在 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_JaeyeonKang__CCK_Asura_v1", "harness_winogrande_5", split="train")

最新结果

• 最新结果时间戳: 2024-02-12T04:58:51.033818
• 结果详情: 包含多个任务的准确率（acc）、标准化准确率（acc_norm）、以及其他指标（如mc1, mc2等）及其标准误差。

配置详情

• 配置名称: harness_arc_challenge_25

  • 数据文件:
    • 分割: 2024_02_12T04_58_51.033818
      • 路径: **/details_harness|arc:challenge|25_2024-02-12T04-58-51.033818.parquet
    • 分割: latest
      • 路径: **/details_harness|arc:challenge|25_2024-02-12T04-58-51.033818.parquet

• 配置名称: harness_gsm8k_5

  • 数据文件:
    • 分割: 2024_02_12T04_58_51.033818
      • 路径: **/details_harness|gsm8k|5_2024-02-12T04-58-51.033818.parquet
    • 分割: latest
      • 路径: **/details_harness|gsm8k|5_2024-02-12T04-58-51.033818.parquet

• 配置名称: harness_hellaswag_10

  • 数据文件:
    • 分割: 2024_02_12T04_58_51.033818
      • 路径: **/details_harness|hellaswag|10_2024-02-12T04-58-51.033818.parquet
    • 分割: latest
      • 路径: **/details_harness|hellaswag|10_2024-02-12T04-58-51.033818.parquet

• 配置名称: harness_hendrycksTest_5

  • 数据文件:
    • 分割: 2024_02_12T04_58_51.033818
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-12T04-58-51.033818.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-02-12T04-58-51.033818.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-02-12T04-58-51.033818.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-02-12T04-58-51.033818.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-02-12T04-58-51.033818.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-02-12T04-58-51.033818.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-02-12T04-58-51.033818.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-02-12T04-58-51.033818.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-02-12T04-58-51.033818.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-02-12T04-58-51.033818.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-02-12T04-58-51.033818.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-02-12T04-58-51.033818.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-02-12T04-58-51.033818.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-02-12T04-58-51.033818.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-02-12T04-58-51.033818.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-02-12T04-58-51.033818.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2024-02-12T04-58-51.033818.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2024-02-12T04-58-51.033818.parquet
        • **/details_harness|hendrycksTest-high_school_biology|5_2024-02-12T04-58-51.033818.parquet