open-llm-leaderboard-old/details_vicgalle__OpenHermes-Qwen1.5-1.8B

该数据集是在评估模型vicgalle/OpenHermes-Qwen1.5-1.8B时自动创建的，主要用于在Open LLM Leaderboard上展示评估结果。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1次运行生成，每次运行的结果作为一个特定的分割存储，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，用于计算和展示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集简介

该数据集是在评估模型 vicgalle/OpenHermes-Qwen1.5-1.8B 在 Open LLM Leaderboard 上的自动创建的。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

数据集从 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。"train" 分割始终指向最新的结果。

额外配置

一个额外的配置 "results" 存储了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_vicgalle__OpenHermes-Qwen1.5-1.8B", "harness_winogrande_5", split="train")

最新结果

这些是最新结果，来自 2024-03-01T02:40:36.783760 的运行。每个任务的结果包括准确率（acc）和标准误差（acc_stderr），以及其他相关指标。

配置详情

数据集包含多个配置，每个配置对应不同的任务和数据文件路径。以下是部分配置示例：

• harness_arc_challenge_25

  • 数据文件路径：
    • **/details_harness|arc:challenge|25_2024-03-01T02-40-36.783760.parquet

• harness_gsm8k_5

  • 数据文件路径：
    • **/details_harness|gsm8k|5_2024-03-01T02-40-36.783760.parquet

• harness_hellaswag_10

  • 数据文件路径：
    • **/details_harness|hellaswag|10_2024-03-01T02-40-36.783760.parquet

• harness_hendrycksTest_5

  • 数据文件路径：
    • **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-01T02-40-36.783760.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2024-03-01T02-40-36.783760.parquet
    • ...

数据集指标

数据集包含多个任务的评估结果，每个任务的结果包括准确率（acc）和标准误差（acc_stderr），以及其他相关指标。例如：

• harness|arc:challenge|25

  • acc: 0.363481228668942
  • acc_stderr: 0.014056207319068285

• harness|hellaswag|10

  • acc: 0.45737900816570404
  • acc_stderr: 0.004971619995879758

• harness|hendrycksTest-abstract_algebra|5

  • acc: 0.32
  • acc_stderr: 0.046882617226215034

总结

该数据集提供了详细的评估结果，包括多个任务的准确率和标准误差，以及相应的数据文件路径。这些结果和文件路径有助于进一步分析和使用模型在不同任务上的表现。