open-llm-leaderboard-old/details_Nekochu__Confluence-Renegade-7B

该数据集是在Open LLM Leaderboard上对模型Nekochu/Confluence-Renegade-7B进行评估时自动创建的。数据集包含63个配置，每个配置对应一个评估任务。数据集由3次运行生成，每次运行的结果作为一个特定的分割存储在配置中，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。

原始信息汇总

数据集概述

数据集创建

• 数据集名称: Evaluation run of Nekochu/Confluence-Renegade-7B
• 创建目的: 自动创建用于评估模型 Nekochu/Confluence-Renegade-7B 在 Open LLM Leaderboard 上的表现。

数据集结构

• 配置数量: 63 个配置，每个配置对应一个评估任务。
• 数据来源: 数据集由 3 次运行结果组成，每次运行的结果作为特定分片存储，分片名称使用运行的时间戳。
• 最新结果: "train" 分片始终指向最新结果。
• 汇总结果: 额外配置 "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_Nekochu__Confluence-Renegade-7B", "harness_winogrande_5", split="train")

最新结果

• 最新结果时间戳: 2024-04-07T04:13:23.488546
• 结果示例: python { "all": { "acc": 0.593898640302101, "acc_stderr": 0.032886059383739695, "acc_norm": 0.6049007897449973, "acc_norm_stderr": 0.033765398797324486, "mc1": 0.3635250917992656, "mc1_stderr": 0.01683886288396583, "mc2": 0.5369362645807354, "mc2_stderr": 0.015974156713272316 }, "harness|arc:challenge|25": { "acc": 0.5486348122866894, "acc_stderr": 0.014542104569955267, "acc_norm": 0.5750853242320819, "acc_norm_stderr": 0.014445698968520767 }, "harness|hellaswag|10": { "acc": 0.6337382991435969, "acc_stderr": 0.0048079755154464875, "acc_norm": 0.8318064130651265, "acc_norm_stderr": 0.003732736770429718 }, ... }

配置详情

• 配置名称: harness_arc_challenge_25

  • 数据文件:
    • 分片: 2024_03_23T01_58_04.822532
      • 路径: **/details_harness|arc:challenge|25_2024-03-23T01-58-04.822532.parquet
    • 分片: 2024_04_07T04_10_51.472196
      • 路径: **/details_harness|arc:challenge|25_2024-04-07T04-10-51.472196.parquet
    • 分片: 2024_04_07T04_13_23.488546
      • 路径: **/details_harness|arc:challenge|25_2024-04-07T04-13-23.488546.parquet
    • 分片: latest
      • 路径: **/details_harness|arc:challenge|25_2024-04-07T04-13-23.488546.parquet

• 配置名称: harness_gsm8k_5

  • 数据文件:
    • 分片: 2024_03_23T01_58_04.822532
      • 路径: **/details_harness|gsm8k|5_2024-03-23T01-58-04.822532.parquet
    • 分片: 2024_04_07T04_10_51.472196
      • 路径: **/details_harness|gsm8k|5_2024-04-07T04-10-51.472196.parquet
    • 分片: 2024_04_07T04_13_23.488546
      • 路径: **/details_harness|gsm8k|5_2024-04-07T04-13-23.488546.parquet
    • 分片: latest
      • 路径: **/details_harness|gsm8k|5_2024-04-07T04-13-23.488546.parquet

• 配置名称: harness_hellaswag_10

  • 数据文件:
    • 分片: 2024_03_23T01_58_04.822532
      • 路径: **/details_harness|hellaswag|10_2024-03-23T01-58-04.822532.parquet
    • 分片: 2024_04_07T04_10_51.472196
      • 路径: **/details_harness|hellaswag|10_2024-04-07T04-10-51.472196.parquet
    • 分片: 2024_04_07T04_13_23.488546
      • 路径: **/details_harness|hellaswag|10_2024-04-07T04-13-23.488546.parquet
    • 分片: latest
      • 路径: **/details_harness|hellaswag|10_2024-04-07T04-13-23.488546.parquet

• 配置名称: harness_hendrycksTest_5

  • 数据文件:
    • 分片: 2024_03_23T01_58_04.822532
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-23T01-58-04.822532.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-03-23T01-58-04.822532.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-03-23T01-58-04.822532.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-03-23T01-58-04.822532.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-03-23T01-58-04.822532.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-03-23T01-58-04.822532.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-03-23T01-58-04.822532.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-03-23T01-58-04.822532.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-03-23T01-58-04.822532.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-03-23T01-58-04.822532.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-03-23T01-58-04.822532.parquet ...