open-llm-leaderboard-old/details_FelixChao__WestSeverus-7B

该数据集是在Open LLM Leaderboard上对模型FelixChao/WestSeverus-7B进行评估时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从一次运行中生成的，每次运行在每个配置中表示为特定的分割，train分割始终指向最新结果。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文件还提供了如何使用`datasets`库中的`load_dataset`函数加载运行中的详细信息的说明。提供了2024年1月23日运行的最新结果，显示了不同任务的各种准确率指标。

原始信息汇总

数据集概述

数据集创建

• 创建目的: 该数据集是在对模型 FelixChao/WestSeverus-7B 进行评估运行期间自动创建的。
• 评估平台: 数据集用于 Open LLM Leaderboard。

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 1 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" 分割始终指向最新的结果。
• 聚合结果: 一个额外的配置 "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_FelixChao__WestSeverus-7B", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 这些是最新结果，来自 2024-01-23T19:22:25.725845 的运行。
• 详细指标: 包含多个任务的准确率（acc）、标准化准确率（acc_norm）、误差（stderr）等指标。

配置详情

• 配置名称: 每个配置对应一个特定的任务。
• 数据文件: 每个配置包含多个数据文件，分为不同的分割（如时间戳分割和最新分割）。

示例配置

• 配置名称: harness_arc_challenge_25

• 数据文件:

  • 分割: 2024_01_23T19_22_25.725845
    • 路径: **/details_harness|arc:challenge|25_2024-01-23T19-22-25.725845.parquet
  • 分割: latest
    • 路径: **/details_harness|arc:challenge|25_2024-01-23T19-22-25.725845.parquet

• 配置名称: harness_gsm8k_5

• 数据文件:

  • 分割: 2024_01_23T19_22_25.725845
    • 路径: **/details_harness|gsm8k|5_2024-01-23T19-22-25.725845.parquet
  • 分割: latest
    • 路径: **/details_harness|gsm8k|5_2024-01-23T19-22-25.725845.parquet

• 配置名称: harness_hellaswag_10

• 数据文件:

  • 分割: 2024_01_23T19_22_25.725845
    • 路径: **/details_harness|hellaswag|10_2024-01-23T19-22-25.725845.parquet
  • 分割: latest
    • 路径: **/details_harness|hellaswag|10_2024-01-23T19-22-25.725845.parquet

• 配置名称: harness_hendrycksTest_5

• 数据文件:

  • 分割: 2024_01_23T19_22_25.725845
    • 路径:
      • **/details_harness|hendrycksTest-abstract_algebra|5_2024-01-23T19-22-25.725845.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2024-01-23T19-22-25.725845.parquet
      • **/details_harness|hendrycksTest-astronomy|5_2024-01-23T19-22-25.725845.parquet
      • **/details_harness|hendrycksTest-business_ethics|5_2024-01-23T19-22-25.725845.parquet
      • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-01-23T19-22-25.725845.parquet
      • **/details_harness|hendrycksTest-college_biology|5_2024-01-23T19-22-25.725845.parquet
      • **/details_harness|hendrycksTest-college_chemistry|5_2024-01-23T19-22-25.725845.parquet
      • **/details_harness|hendrycksTest-college_computer_science|5_2024-01-23T19-22-25.725845.parquet
      • **/details_harness|hendrycksTest-college_mathematics|5_2024-01-23T19-22-25.725845.parquet
      • **/details_harness|hendrycksTest-college_medicine|5_2024-01-23T19-22-25.725845.parquet
      • **/details_harness|hendrycksTest-college_physics|5_2024-01-23T19-22-25.725845.parquet
      • **/details_harness|hendrycksTest-computer_security|5_2024-01-23T19-22-25.725845.parquet
      • **/details_harness|hendrycksTest-conceptual_physics|5_2024-01-23T19-22-25.725845.parquet
      • **/details_harness|hendrycksTest-econometrics|5_2024-01-23T19-22-25.725845.parquet
      • **/details_harness|hendrycksTest-electrical_engineering|5_2024-01-23T19-22-25.725845.parquet
      • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-01-23T19-22-25.725845.parquet
      • **/details_harness|hendrycksTest-formal_logic|5_2024-01-23T19-22-25.725845.parquet
      • **/details_harness|hendrycksTest-global_facts|5_2024-01-23T19-22-25.725845.parquet
      • **/details_harness|hendrycksTest-high_school_biology|5_2024-01-23T19-22-25.725845.parquet