open-llm-leaderboard/details_yeontaek__llama-2-70B-ensemble-v8
收藏Hugging Face2023-09-04 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/open-llm-leaderboard/details_yeontaek__llama-2-70B-ensemble-v8
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是在Open LLM Leaderboard上对模型yeontaek/llama-2-70B-ensemble-v8进行评估时自动创建的。数据集由61个配置组成，每个配置对应一个评估任务。数据集是从1次运行中创建的，每次运行在每个配置中作为一个特定的分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。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。README还提供了如何使用Hugging Face datasets库加载运行细节的示例。
提供机构：
open-llm-leaderboard
原始信息汇总
数据集概述
数据集简介
该数据集是在对模型 yeontaek/llama-2-70B-ensemble-v8 进行评估运行期间自动创建的。数据集包含61个配置，每个配置对应一个评估任务。数据集由1次运行创建，每个运行的详细信息可以在每个配置中找到，使用运行的时间戳作为分割名称。"train" 分割始终指向最新的结果。
数据集结构
数据集包含以下主要配置：
harness_arc_challenge_25harness_hellaswag_10harness_hendrycksTest_5
每个配置包含多个分割，例如：
2023_09_04T20_27_12.407104latest
数据文件路径示例
harness_arc_challenge_25配置的数据文件路径示例：**/details_harness|arc:challenge|25_2023-09-04T20:27:12.407104.parquet**/details_harness|arc:challenge|25_2023-09-04T20:27:12.407104.parquet
最新结果
最新结果来自2023-09-04T20:27:12.407104的运行，包含多个任务的评估结果，例如：
harness|arc:challenge|25harness|hellaswag|10harness|hendrycksTest-abstract_algebra|5
每个任务的结果包括准确率（acc）、标准化准确率（acc_norm）、标准误差（acc_stderr、acc_norm_stderr）等指标。
数据集加载示例
python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_yeontaek__llama-2-70B-ensemble-v8", "harness_truthfulqa_mc_0", split="train")
