open-llm-leaderboard-old/details_hamxea__Llama-2-7b-chat-hf-activity-fine-tuned-v4

该数据集是在模型 hamxea/Llama-2-7b-chat-hf-activity-fine-tuned-v4 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，每个配置对应一个被评估的任务。数据集来自 2 次运行，每次运行在每个配置中表示为特定的拆分，train 拆分始终指向最新结果。一个名为 results 的额外配置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 Python 中的 datasets 库加载运行中的数据的示例。README 中还包含了特定运行的最新结果，展示了不同任务的各种指标，如准确率和标准误差。

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 hamxea/Llama-2-7b-chat-hf-activity-fine-tuned-v4 在 Open LLM Leaderboard 上的运行过程中自动创建的。

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。
• 运行次数：数据集从 2 次运行中创建。每个运行在每个配置中作为一个特定的分割存在，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。
• 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_hamxea__Llama-2-7b-chat-hf-activity-fine-tuned-v4", "harness_winogrande_5", split="train")

最新结果

• 最新结果来源：这些是最新结果来自 2024-03-31T18:33:35.231026 运行。
• 结果示例： python { "all": { "acc": 0.48571884984069763, "acc_stderr": 0.03429845395138502, "acc_norm": 0.4904132318843078, "acc_norm_stderr": 0.035053692176394785, "mc1": 0.29498164014687883, "mc1_stderr": 0.015964400965589664, "mc2": 0.45774742631279514, "mc2_stderr": 0.01544325793353912 }, "harness|arc:challenge|25": { "acc": 0.5, "acc_stderr": 0.014611390804670088, "acc_norm": 0.5426621160409556, "acc_norm_stderr": 0.014558106543924067 }, "harness|hellaswag|10": { "acc": 0.5860386377215694, "acc_stderr": 0.00491535110731875, "acc_norm": 0.7810197171878112, "acc_norm_stderr": 0.0041271002813796 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.3, "acc_stderr": 0.04605661864718381, "acc_norm": 0.3, "acc_norm_stderr": 0.04605661864718381 }, # 其他任务的结果... }