open-llm-leaderboard/details_Pirr__pythia-13b-deduped-green_devil

该数据集是在Open LLM Leaderboard上对模型Pirr/pythia-13b-deduped-green_devil进行评估时自动生成的。数据集由64个配置组成，每个配置对应一个评估任务。数据集由2次运行生成，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，名为results的配置存储了所有运行的聚合结果，用于在Open LLM Leaderboard上计算和显示聚合指标。README还提供了如何使用Python代码加载运行细节的示例。

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 Pirr/pythia-13b-deduped-green_devil 在 Open LLM Leaderboard 上的运行过程中自动创建的。

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。

额外配置

• 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 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_Pirr__pythia-13b-deduped-green_devil", "harness_winogrande_5", split="train")

最新结果

以下是 最新结果 的示例： python { "all": { "em": 0.001153523489932886, "em_stderr": 0.0003476179896857083, "f1": 0.04843435402684591, "f1_stderr": 0.0011963744934619489, "acc": 0.34526287822984214, "acc_stderr": 0.008596442508425665 }, "harness|drop|3": { "em": 0.001153523489932886, "em_stderr": 0.0003476179896857083, "f1": 0.04843435402684591, "f1_stderr": 0.0011963744934619489 }, "harness|gsm8k|5": { "acc": 0.02122820318423048, "acc_stderr": 0.003970449129848635 }, "harness|winogrande|5": { "acc": 0.6692975532754538, "acc_stderr": 0.013222435887002696 } }

配置详情

以下是部分配置的详细信息：

• harness_arc_challenge_25

  • 分割: 2023_07_18T14_06_19.404792
  • 路径: **/details_harness|arc:challenge|25_2023-07-18T14:06:19.404792.parquet
  • 分割: latest
  • 路径: **/details_harness|arc:challenge|25_2023-07-18T14:06:19.404792.parquet

• harness_drop_3

  • 分割: 2023_10_28T10_52_35.771401
  • 路径: **/details_harness|drop|3_2023-10-28T10-52-35.771401.parquet
  • 分割: latest
  • 路径: **/details_harness|drop|3_2023-10-28T10-52-35.771401.parquet

• harness_gsm8k_5

  • 分割: 2023_10_28T10_52_35.771401
  • 路径: **/details_harness|gsm8k|5_2023-10-28T10-52-35.771401.parquet
  • 分割: latest
  • 路径: **/details_harness|gsm8k|5_2023-10-28T10-52-35.771401.parquet

• harness_hellaswag_10

  • 分割: 2023_07_18T14_06_19.404792
  • 路径: **/details_harness|hellaswag|10_2023-07-18T14:06:19.404792.parquet
  • 分割: latest
  • 路径: **/details_harness|hellaswag|10_2023-07-18T14:06:19.404792.parquet

• harness_hendrycksTest_5

  • 分割: 2023_07_18T14_06_19.404792
  • 路径:
    • **/details_harness|hendrycksTest-abstract_algebra|5_2023-07-18T14:06:19.404792.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2023-07-18T14:06:19.404792.parquet
    • ...
  • 分割: latest
  • 路径:
    • **/details_harness|hendrycksTest-abstract_algebra|5_2023-07-18T14:06:19.404792.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2023-07-18T14:06:19.404792.parquet
    • ...