open-llm-leaderboard-old/details_sail__Sailor-7B-Chat

该数据集是在评估模型sail/Sailor-7B-Chat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，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

数据集基本信息

• 名称: Evaluation run of sail/Sailor-7B-Chat
• 创建目的: 自动创建于模型 sail/Sailor-7B-Chat 在 Open LLM Leaderboard 的评估运行期间。
• 组成: 包含 63 个配置，每个配置对应一个评估任务。
• 创建来源: 从 1 次运行中创建，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" 分割始终指向最新结果。

数据集结构

• 配置: 每个配置对应一个评估任务，包含多个分割，如时间戳分割和 "latest" 分割。
• 结果配置: 额外的 "results" 配置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_sail__Sailor-7B-Chat", "harness_winogrande_5", split="train")

最新结果

• 最新结果时间戳: 2024-03-11T06:48:11.877072
• 结果示例: python { "all": { "acc": 0.5592083287688164, "acc_stderr": 0.033829004333336674, "acc_norm": 0.5649028875539783, "acc_norm_stderr": 0.03453333687790441, "mc1": 0.2974296205630355, "mc1_stderr": 0.016002651487361, "mc2": 0.4409085499905092, "mc2_stderr": 0.014918521172966043 }, "harness|arc:challenge|25": { "acc": 0.48976109215017066, "acc_stderr": 0.014608326906285019, "acc_norm": 0.523037542662116, "acc_norm_stderr": 0.014595873205358269 }, # 其他任务的结果... }

配置详情

• 配置名称: harness_arc_challenge_25

  • 数据文件:
    • 分割: 2024_03_11T06_48_11.877072
      • 路径: **/details_harness|arc:challenge|25_2024-03-11T06-48-11.877072.parquet
    • 分割: latest
      • 路径: **/details_harness|arc:challenge|25_2024-03-11T06-48-11.877072.parquet

• 配置名称: harness_gsm8k_5

  • 数据文件:
    • 分割: 2024_03_11T06_48_11.877072
      • 路径: **/details_harness|gsm8k|5_2024-03-11T06-48-11.877072.parquet
    • 分割: latest
      • 路径: **/details_harness|gsm8k|5_2024-03-11T06-48-11.877072.parquet

• 配置名称: harness_hellaswag_10

  • 数据文件:
    • 分割: 2024_03_11T06_48_11.877072
      • 路径: **/details_harness|hellaswag|10_2024-03-11T06-48-11.877072.parquet
    • 分割: latest
      • 路径: **/details_harness|hellaswag|10_2024-03-11T06-48-11.877072.parquet

• 配置名称: harness_hendrycksTest_5

  • 数据文件:
    • 分割: 2024_03_11T06_48_11.877072
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-11T06-48-11.877072.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-03-11T06-48-11.877072.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-03-11T06-48-11.877072.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-03-11T06-48-11.877072.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-03-11T06-48-11.877072.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-03-11T06-48-11.877072.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-03-11T06-48-11.877072.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-03-11T06-48-11.877072.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-03-11T06-48-11.877072.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-03-11T06-48-11.877072.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-03-11T06-48-11.877072.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-03-11T06-48-11.877072.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-03-11T06-48-11.877072.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-03-11T06-48-11.877072.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-03-11T06-48-11.877072.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-03-11T06-48-11.877072.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2024-03-11T06-48-11.877072.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2024-03-11T06-48-11.877072.parquet
        • **/details_harness|hendrycksTest-high_school_biology|5_2024-03-11T06-48-11.877072.parquet
        • **/details_harness|hendrycksTest