open-llm-leaderboard-old/details_rwitz__experiment26-truthy-iter-2
收藏Hugging Face2024-03-12 更新2024-06-22 收录
下载链接：
https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_rwitz__experiment26-truthy-iter-2
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是在模型 rwitz/experiment26-truthy-iter-2 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集由 63 个配置组成，每个配置对应一个评估任务。它包含 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。README 还提供了如何使用 Python 中的 datasets 库加载运行中的详细信息的示例。
该数据集是在模型 rwitz/experiment26-truthy-iter-2 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集由 63 个配置组成，每个配置对应一个评估任务。它包含 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。README 还提供了如何使用 Python 中的 datasets 库加载运行中的详细信息的示例。
提供机构：
open-llm-leaderboard-old
原始信息汇总
数据集概述
数据集创建
- 数据集名称：Evaluation run of rwitz/experiment26-truthy-iter-2
- 创建背景：该数据集是在对模型 rwitz/experiment26-truthy-iter-2 进行评估运行期间自动创建的。
- 评估平台：Open LLM Leaderboard
数据集结构
- 配置数量：63个配置，每个配置对应一个评估任务。
- 数据来源：数据集由1次运行生成，每个运行结果存储在特定的分割中，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_rwitz__experiment26-truthy-iter-2", "harness_winogrande_5", split="train")
最新结果
- 最新结果来自2024-03-12T05:46:54.201450的运行。
- 结果包括多个任务的准确率（acc）、标准化准确率（acc_norm）、误差（stderr）等指标。
配置详情
-
harness_arc_challenge_25
- 数据文件路径：
**/details_harness|arc:challenge|25_2024-03-12T05-46-54.201450.parquet - 分割：2024_03_12T05_46_54.201450, latest
- 数据文件路径：
-
harness_gsm8k_5
- 数据文件路径：
**/details_harness|gsm8k|5_2024-03-12T05-46-54.201450.parquet - 分割：2024_03_12T05_46_54.201450, latest
- 数据文件路径：
-
harness_hellaswag_10
- 数据文件路径：
**/details_harness|hellaswag|10_2024-03-12T05-46-54.201450.parquet - 分割：2024_03_12T05_46_54.201450, latest
- 数据文件路径：
-
harness_hendrycksTest_5
- 数据文件路径：多个文件，包括不同任务的详细结果文件。
- 分割：2024_03_12T05_46_54.201450, latest
