open-llm-leaderboard-old/details_LeoLM__leo-hessianai-7b-chat

该数据集是在模型LeoLM/leo-hessianai-7b-chat在Open LLM Leaderboard上的评估运行期间自动创建的。数据集由64个配置组成，每个配置对应一个被评估的任务。数据集是从2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，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`datasets`库中的`load_dataset`函数加载运行中的详细信息的示例。README中还包含了特定运行的最新结果，显示了各种任务的EM、F1和准确率等指标。

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 LeoLM/leo-hessianai-7b-chat 在 Open LLM Leaderboard 上的自动创建的。数据集包含 64 个配置，每个配置对应一个评估任务。

数据集结构

• 配置数量：64 个配置
• 数据来源：从 2 次运行中创建，每个运行对应一个特定的时间戳。
• 数据分割：每个配置包含多个分割，包括特定时间戳的分割和指向最新结果的 "train" 分割。
• 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_LeoLM__leo-hessianai-7b-chat", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-25T06:19:05.012690 运行 的最新结果： python { "all": { "em": 0.007235738255033557, "em_stderr": 0.0008679688570178599, "f1": 0.06527369966442945, "f1_stderr": 0.0015637825138587918, "acc": 0.3754219341743793, "acc_stderr": 0.009489449224983773 }, "harness|drop|3": { "em": 0.007235738255033557, "em_stderr": 0.0008679688570178599, "f1": 0.06527369966442945, "f1_stderr": 0.0015637825138587918 }, "harness|gsm8k|5": { "acc": 0.05155420773313116, "acc_stderr": 0.006090887955262826 }, "harness|winogrande|5": { "acc": 0.6992896606156275, "acc_stderr": 0.01288801049470472 } }

配置详情

以下是部分配置的详细信息：

• harness_arc_challenge_25

  • 分割：2023_10_04T00_28_30.897823, latest
  • 路径：**/details_harness|arc:challenge|25_2023-10-04T00-28-30.897823.parquet

• harness_drop_3

  • 分割：2023_10_25T06_19_05.012690, latest
  • 路径：**/details_harness|drop|3_2023-10-25T06-19-05.012690.parquet

• harness_gsm8k_5

  • 分割：2023_10_25T06_19_05.012690, latest
  • 路径：**/details_harness|gsm8k|5_2023-10-25T06-19-05.012690.parquet

• harness_hellaswag_10

  • 分割：2023_10_04T00_28_30.897823, latest
  • 路径：**/details_harness|hellaswag|10_2023-10-04T00-28-30.897823.parquet

• harness_hendrycksTest_5

  • 分割：2023_10_04T00_28_30.897823, latest
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-10-04T00-28-30.897823.parquet

• harness_hendrycksTest_abstract_algebra_5

  • 分割：2023_10_04T00_28_30.897823, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-10-04T00-28-30.897823.parquet

• harness_hendrycksTest_anatomy_5

  • 分割：2023_10_04T00_28_30.897823, latest
  • 路径：**/details_harness|hendrycksTest-anatomy|5_2023-10-04T00-28-30.897823.parquet

• harness_hendrycksTest_astronomy_5

  • 分割：2023_10_04T00_28_30.897823, latest
  • 路径：**/details_harness|hendrycksTest-astronomy|5_2023-10-04T00-28-30.897823.parquet

• harness_hendrycksTest_business_ethics_5

  • 分割：2023_10_04T00_28_30.897823, latest
  • 路径：**/details_harness|hendrycksTest-business_ethics|5_2023-10-04T00-28-30.897823.parquet

• harness_hendrycksTest_clinical_knowledge_5

  • 分割：2023_10_04T00_28_30.897823, latest
  • 路径：**/details_harness|hendrycksTest-clinical_knowledge|5_2023-10-04T00-28-30.897823.parquet

• harness_hendrycksTest_college_biology_5

  • 分割：2023_10_04T00_28_30.897823, latest
  • 路径：**/details_harness|hendrycksTest-college_biology|5_2023-10-04T00-28-30.897823.parquet

• harness_hendrycksTest_college_chemistry_5

  • 分割：2023_10_04T00_28_30.897823, latest
  • 路径：**/details_harness|hendrycksTest-college_chemistry|5_2023-10-04T00-28-30.897823.parquet

• harness_hendrycksTest_college_computer_science_5

  • 分割：2023_10_04T00_28_30.897823, latest
  • 路径：**/details_harness|hendrycksTest-college_computer_science|5_2023-10-04T00-28-30.897823.parquet

• harness_hendrycksTest_college_mathematics_5

  • 分割：2023_10_04T00_28_30.897823, latest
  • 路径：**/details_harness|hendrycksTest-college_mathematics|5_2023-10-04T00-28-30.897823.parquet

• harness_hendrycksTest_college_medicine_5

  • 分割：2023_10_04T00_28_30.897823, latest
  • 路径：**/details_harness|hendrycksTest-college_medicine|5_2023-10-04T00-28-30.897823.parquet

• harness_hendrycksTest_college_physics_5

  • 分割：2023_10_04T00_28_30.897823, latest
  • 路径：**/details_harness|hendrycksTest-college_physics|5_2023-10-04T00-28-30.897823.parquet

• harness_hendrycksTest_computer_security_5

  • 分割：2023_10_04T00_28_30.897823, latest
  • 路径：**/details_harness|hendrycksTest-computer_security|5_2023-10-04T00-28-30.897823.parquet

• harness_hendrycksTest_conceptual_physics_5

  • 分割：2023_10_04T00_28_30.897823, latest
  • 路径：**/details_harness|hendrycksTest-conceptual_physics|5_2023-10-04T00-28-30.897823.parquet

• harness_hendrycksTest_econometrics_5

  • 分割：2023_10_04T00_28_30.897823, latest
  • 路径：**/details_harness|hendrycksTest-econometrics|5_2023-10-04T00-28-30.897823.parquet

• harness_hendrycksTest_electrical_engineering_5

  • 分割：2023_10_04T00_28_30.897823, latest
  • 路径：**/details_harness|hendrycksTest-electrical_engineering|5_2023-10-04T00-28-30.897823.parquet

• harness_hendrycksTest_elementary_mathematics_5

  • 分割：2023_10_04T00_28_30.897823, latest
  • 路径：**/details_harness|hendrycksTest-elementary_mathematics|5_2023-10-04T00-28-30.897823.parquet

以上是数据集的详细概述，包括数据集的结构、加载示例、最新结果以及部分配置的详细信息。