open-llm-leaderboard-old/details_jeonsworld__CarbonVillain-en-10.7B-v3

该数据集是在模型jeonsworld/CarbonVillain-en-10.7B-v3的评估运行中自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中创建的，每次运行可以在每个配置中找到特定的分割，分割使用运行的时间戳命名。train分割始终指向最新的结果。此外，一个名为results的配置存储了所有运行的聚合结果，并用于计算和显示在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：该数据集是在评估模型 jeonsworld/CarbonVillain-en-10.7B-v3 在 Open LLM Leaderboard 上的自动创建的。
• 创建时间：数据集创建于2023年12月30日。

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。
• 数据来源：数据集由1次运行生成，每个运行结果作为特定分割存储在每个配置中，分割名称使用运行的时间戳。
• 最新结果："train" 分割始终指向最新结果。
• 聚合结果：额外配置 "results" 存储所有运行的聚合结果，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_jeonsworld__CarbonVillain-en-10.7B-v3", "harness_winogrande_5", split="train")

最新结果

• 总体结果：

  • acc: 0.667270432389036
  • acc_stderr: 0.03161503740481807
  • acc_norm: 0.6679793731390249
  • acc_norm_stderr: 0.032260225407857515
  • mc1: 0.5716034271725826
  • mc1_stderr: 0.017323088597314747
  • mc2: 0.7183713907727333
  • mc2_stderr: 0.014997186929843767

• 具体任务结果：

  • harness|arc:challenge|25:
    • acc: 0.6851535836177475
    • acc_stderr: 0.01357265770308495
    • acc_norm: 0.7098976109215017
    • acc_norm_stderr: 0.013261573677520767
  • harness|hellaswag|10:
    • acc: 0.7143995220075682
    • acc_stderr: 0.0045077680295901
    • acc_norm: 0.8847839075881299
    • acc_norm_stderr: 0.0031863002304505774
  • harness|hendrycksTest-abstract_algebra|5:
    • acc: 0.42
    • acc_stderr: 0.049604496374885836
    • acc_norm: 0.42
    • acc_norm_stderr: 0.049604496374885836
  • 其他任务结果详见完整文档。

配置详情

• 配置名称：harness_arc_challenge_25
  • 数据文件：
    • split: 2023_12_30T16_49_42.905976
      • path: **/details_harness|arc:challenge|25_2023-12-30T16-49-42.905976.parquet
    • split: latest
      • path: **/details_harness|arc:challenge|25_2023-12-30T16-49-42.905976.parquet
• 配置名称：harness_gsm8k_5
  • 数据文件：
    • split: 2023_12_30T16_49_42.905976
      • path: **/details_harness|gsm8k|5_2023-12-30T16-49-42.905976.parquet
    • split: latest
      • path: **/details_harness|gsm8k|5_2023-12-30T16-49-42.905976.parquet
• 配置名称：harness_hellaswag_10
  • 数据文件：
    • split: 2023_12_30T16_49_42.905976
      • path: **/details_harness|hellaswag|10_2023-12-30T16-49-42.905976.parquet
    • split: latest
      • path: **/details_harness|hellaswag|10_2023-12-30T16-49-42.905976.parquet
• 配置名称：harness_hendrycksTest_5
  • 数据文件：
    • split: 2023_12_30T16_49_42.905976
      • path:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2023-12-30T16-49-42.905976.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2023-12-30T16-49-42.905976.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2023-12-30T16-49-42.905976.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2023-12-30T16-49-42.905976.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2023-12-30T16-49-42.905976.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2023-12-30T16-49-42.905976.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2023-12-30T16-49-42.905976.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2023-12-30T16-49-42.905976.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2023-12-30T16-49-42.905976.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2023-12-30T16-49-42.905976.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2023-12-30T16-49-42.905976.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2023-12-30T16-49-42.905976.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2023-12-30T16-49-42.905976.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2023-12-30T16-49-42.905976.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2023-12-30T16-49-42.905976.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2023-12-30T16-49-42.905976.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2023-12-30T16-49-42.905976.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2023-12-30T16-49-42.905976.parquet