open-llm-leaderboard-old/details_allknowingroger__LadybirdPercival-7B-slerp

该数据集是在模型 allknowingroger/LadybirdPercival-7B-slerp 在 Open LLM Leaderboard 上的评估运行期间自动创建的。它由 63 个配置组成，每个配置对应一个评估任务。数据集包含 1 次运行的结果，每次运行在每个配置中表示为特定的分割。train 分割始终指向最新的结果。一个名为 results 的额外配置存储了所有运行的聚合结果，这些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

数据集摘要

该数据集是在评估模型allknowingroger/LadybirdPercival-7B-slerp在Open LLM Leaderboard上的自动创建的。数据集包含63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，每次运行的详细结果可以在每个配置的特定分片中找到，分片名称使用运行的时间戳。"train"分片始终指向最新的结果。

数据集结构

数据集包含以下配置：

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个数据文件，分为不同的分片（如2024_04_10T21_25_50.870992和latest），每个分片对应一个特定的parquet文件路径。

最新结果

以下是最新结果的摘要： python { "all": { "acc": 0.6549112505219817, "acc_stderr": 0.03200463348709583, "acc_norm": 0.6548403271921103, "acc_norm_stderr": 0.032665823664199685, "mc1": 0.5862913096695227, "mc1_stderr": 0.0172408618120998, "mc2": 0.7418219460319464, "mc2_stderr": 0.014263374012785589 }, "harness|arc:challenge|25": { "acc": 0.6945392491467577, "acc_stderr": 0.013460080478002508, "acc_norm": 0.7192832764505119, "acc_norm_stderr": 0.013131238126975576 }, "harness|hellaswag|10": { "acc": 0.7094204341764588, "acc_stderr": 0.0045310191594141, "acc_norm": 0.8856801433977295, "acc_norm_stderr": 0.003175490413694418 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.34, "acc_stderr": 0.04760952285695235, "acc_norm": 0.34, "acc_norm_stderr": 0.04760952285695235 }, # 其他任务的结果... }

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_allknowingroger__LadybirdPercival-7B-slerp", "harness_winogrande_5", split="train")