open-llm-leaderboard-old/details_AA051611__V0202

该数据集是在Open LLM Leaderboard上对模型AA051611/V0202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1次运行中创建的，每次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。train分割始终指向最新的结果。此外，还有一个名为results的配置，存储了所有运行的聚合结果，用于计算和显示Open LLM Leaderboard上的聚合指标。文件还提供了如何使用Python代码加载运行细节的示例，并列出了特定运行的最新结果。

原始信息汇总

数据集概述

数据集简介

该数据集是在模型AA051611/V0202在Open LLM Leaderboard上的评估运行期间自动创建的。数据集包含63个配置，每个配置对应一个评估任务。

数据集结构

• 配置数量：63个配置
• 数据来源：从1次运行中创建，每个运行可以在每个配置中找到特定的分割，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_AA051611__V0202", "harness_winogrande_5", split="train")

最新结果

以下是2024-02-03T21:33:44.363250运行的最新结果：

python { "all": { "acc": 0.8475886247356212, "acc_stderr": 0.023609522686145943, "acc_norm": 0.8592262318029122, "acc_norm_stderr": 0.023958294301700357, "mc1": 0.3635250917992656, "mc1_stderr": 0.016838862883965824, "mc2": 0.5088923290302036, "mc2_stderr": 0.015447986277853607 }, "harness|arc:challenge|25": { "acc": 0.6348122866894198, "acc_stderr": 0.0140702655192688, "acc_norm": 0.6655290102389079, "acc_norm_stderr": 0.013787460322441375 }, "harness|hellaswag|10": { "acc": 0.6243776140211114, "acc_stderr": 0.004832934529120793, "acc_norm": 0.8275243975303724, "acc_norm_stderr": 0.003770211859118937 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.67, "acc_stderr": 0.04725815626252609, "acc_norm": 0.67, "acc_norm_stderr": 0.04725815626252609 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_02_03T21_33_44.363250, latest
  • 路径：**/details_harness|arc:challenge|25_2024-02-03T21-33-44.363250.parquet

• harness_gsm8k_5

  • 分割：2024_02_03T21_33_44.363250, latest
  • 路径：**/details_harness|gsm8k|5_2024-02-03T21-33-44.363250.parquet

• harness_hellaswag_10

  • 分割：2024_02_03T21_33_44.363250, latest
  • 路径：**/details_harness|hellaswag|10_2024-02-03T21-33-44.363250.parquet

• harness_hendrycksTest_5

  • 分割：2024_02_03T21_33_44.363250
  • 路径：多个路径，包括**/details_harness|hendrycksTest-abstract_algebra|5_2024-02-03T21-33-44.363250.parquet等