open-llm-leaderboard-old/details_nicholasKluge__Aira-Instruct-355M

该数据集是在模型nicholasKluge/Aira-Instruct-355M在Open LLM Leaderboard上评估运行期间自动创建的。它由61个配置组成，每个配置对应一个评估任务。数据集是从1次运行中生成的，每次运行在每个配置中表示为特定的分割，使用运行的时间戳命名。train分割始终指向最新的结果。一个额外的配置results存储了运行的所有聚合结果，用于计算和显示Open LLM Leaderboard上的聚合指标。可以使用datasets库中的load_dataset函数加载该数据集。

原始信息汇总

数据集概述

数据集摘要

该数据集是在评估模型 nicholasKluge/Aira-Instruct-355M 在 Open LLM Leaderboard 上的自动创建的。数据集包含 61 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，每个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。

数据集结构

数据集包含多个配置，每个配置对应不同的评估任务。以下是部分配置的示例：

• harness_arc_challenge_25

  • 分割：2023_08_10T09_16_32.685819
  • 路径：**/details_harness|arc:challenge|25_2023-08-10T09:16:32.685819.parquet
  • 分割：latest
  • 路径：**/details_harness|arc:challenge|25_2023-08-10T09:16:32.685819.parquet

• harness_hellaswag_10

  • 分割：2023_08_10T09_16_32.685819
  • 路径：**/details_harness|hellaswag|10_2023-08-10T09:16:32.685819.parquet
  • 分割：latest
  • 路径：**/details_harness|hellaswag|10_2023-08-10T09:16:32.685819.parquet

• harness_hendrycksTest_5

  • 分割：2023_08_10T09_16_32.685819
  • 路径：多个路径，例如：
    • **/details_harness|hendrycksTest-abstract_algebra|5_2023-08-10T09:16:32.685819.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2023-08-10T09:16:32.685819.parquet
    • 等等...

最新结果

以下是 最新结果 的示例：

python { "all": { "acc": 0.26193708195623533, "acc_stderr": 0.03182336083684077, "acc_norm": 0.263783264473725, "acc_norm_stderr": 0.03183912280555913, "mc1": 0.2484700122399021, "mc1_stderr": 0.015127427096520674, "mc2": 0.4107912986493598, "mc2_stderr": 0.014545912502288488 }, "harness|arc:challenge|25": { "acc": 0.23890784982935154, "acc_stderr": 0.012461071376316621, "acc_norm": 0.28668941979522183, "acc_norm_stderr": 0.013214986329274765 }, "harness|hellaswag|10": { "acc": 0.3311093407687712, "acc_stderr": 0.004696505101217406, "acc_norm": 0.39225253933479387, "acc_norm_stderr": 0.004872546302641832 }, "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... }