open-llm-leaderboard-old/details_liminerity__phigment6-slerp

该数据集是在模型 liminerity/phigment6-slerp 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，每个配置对应一个评估任务。数据集包含一次运行的结果，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 `datasets` 库中的 `load_dataset` 函数加载运行细节的示例。还包括了 2024-02-29 日特定运行的最新结果，显示了不同任务的各种准确性指标。

原始信息汇总

数据集概述

该数据集是在评估模型 liminerity/phigment6-slerp 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

• 配置数量：63 个配置
• 创建来源：1 次运行
• 数据分割：每个配置包含特定分割，分割名称使用运行的时间戳。"train" 分割始终指向最新结果。
• 额外配置："results" 配置存储所有运行结果的聚合，用于计算和显示 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_liminerity__phigment6-slerp", "harness_winogrande_5", split="train")

最新结果

以下是 2024-02-29T12:59:01.551696 运行的最新结果：

python { "all": { "acc": 0.5892303175337578, "acc_stderr": 0.033687856964891474, "acc_norm": 0.5902843276007427, "acc_norm_stderr": 0.034375351421247244, "mc1": 0.34761321909424725, "mc1_stderr": 0.016670769188897303, "mc2": 0.5048822092511128, "mc2_stderr": 0.01550679758683007 }, "harness|arc:challenge|25": { "acc": 0.6006825938566553, "acc_stderr": 0.014312094557946712, "acc_norm": 0.6262798634812287, "acc_norm_stderr": 0.014137708601759075 }, "harness|hellaswag|10": { "acc": 0.589523999203346, "acc_stderr": 0.004909148239488281, "acc_norm": 0.7724556861183032, "acc_norm_stderr": 0.00418390001445079 }, # 其他任务结果省略 }

配置详情

• harness_arc_challenge_25

  • 分割：2024_02_29T12_59_01.551696, latest
  • 路径：**/details_harness|arc:challenge|25_2024-02-29T12-59-01.551696.parquet

• harness_gsm8k_5

  • 分割：2024_02_29T12_59_01.551696, latest
  • 路径：**/details_harness|gsm8k|5_2024-02-29T12-59-01.551696.parquet

• harness_hellaswag_10

  • 分割：2024_02_29T12_59_01.551696, latest
  • 路径：**/details_harness|hellaswag|10_2024-02-29T12-59-01.551696.parquet

• harness_hendrycksTest_5

  • 分割：2024_02_29T12_59_01.551696, latest
  • 路径：多个路径，包括 **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-29T12-59-01.551696.parquet 等

以上是数据集的概述和详细信息，包括数据集的结构、加载示例、最新结果以及各个配置的详情。