open-llm-leaderboard-old/details_kunkun666__kunkun_dat_llama_13b_alpaca

数据集是在模型kunkun666/kunkun_dat_llama_13b_alpaca的评估运行期间自动创建的，用于在Open LLM Leaderboard上进行评估。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中创建的，每次运行都可以在特定配置中找到，分割以运行的时间戳命名。train分割始终指向最新结果。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

数据集创建

• 创建背景：该数据集是在对模型 kunkun666/kunkun_dat_llama_13b_alpaca 进行评估运行时自动创建的，评估结果发布在 Open LLM Leaderboard 上。

数据集结构

• 配置数量：数据集包含 63 个配置，每个配置对应一个评估任务。
• 运行次数：数据集从 1 次运行中创建。每个运行结果作为一个特定的分割（split）存储，分割名称使用运行的时间戳。
• 最新结果："train" 分割始终指向最新的结果。

结果配置

• 结果汇总：一个额外的配置 "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_kunkun666__kunkun_dat_llama_13b_alpaca", "harness_winogrande_5", split="train")

最新结果

• 最新结果时间戳：2024-04-23T10:53:22.198037
• 详细结果：包含多个任务的准确率（acc）、标准化准确率（acc_norm）、误差（stderr）等指标。

配置详情

• 配置名称：如 harness_arc_challenge_25、harness_gsm8k_5 等。
• 数据文件：每个配置包含多个分割（split），如 2024_04_23T10_53_22.198037 和 latest，每个分割对应一个或多个数据文件路径。

结果示例

python { "all": { "acc": 0.5340690205529971, "acc_stderr": 0.03377122498821581, "acc_norm": 0.5429160436728488, "acc_norm_stderr": 0.03463647417254094, "mc1": 0.2729498164014688, "mc1_stderr": 0.015594753632006526, "mc2": 0.4010684852840424, "mc2_stderr": 0.015189995415288773 }, "harness|arc:challenge|25": { "acc": 0.5674061433447098, "acc_stderr": 0.014478005694182528, "acc_norm": 0.5972696245733788, "acc_norm_stderr": 0.01433223630679015 }, ... }