open-llm-leaderboard-old/details_nlpguy__AlloyIngotNeoY

该数据集是在Open LLM Leaderboard上对模型nlpguy/AlloyIngotNeoY进行评估时自动生成的。数据集包含63个配置，每个配置对应一个被评估的任务。数据集包含一次或多次运行的结果，每次运行都作为一个特定的分割存储，分割名称由运行的时间戳命名。train分割始终指向最新的结果。此外，还有一个results配置，用于汇总所有运行的结果，并用于计算和展示Open LLM Leaderboard上的聚合指标。README还提供了如何使用`datasets`库中的`load_dataset`函数加载数据集的示例，并包含了特定运行的最新结果。

原始信息汇总

数据集概述

该数据集是在对模型 nlpguy/AlloyIngotNeoY 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集组成

• 数据集包含 63 个配置，每个配置对应一个评估任务。
• 数据集从 1 次运行中创建，每次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" 分割始终指向最新结果。
• 额外的 "results" 配置存储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。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_nlpguy__AlloyIngotNeoY", "harness_winogrande_5", split="train")

最新结果

以下是 最新结果 的摘要：

python { "all": { "acc": 0.6499216650047986, "acc_stderr": 0.03206299874378752, "acc_norm": 0.6488512462508309, "acc_norm_stderr": 0.03273921602103512, "mc1": 0.6303549571603427, "mc1_stderr": 0.016898180706973878, "mc2": 0.7798753603234657, "mc2_stderr": 0.013710462983276021 }, "harness|arc:challenge|25": { "acc": 0.7107508532423208, "acc_stderr": 0.013250012579393441, "acc_norm": 0.7278156996587031, "acc_norm_stderr": 0.013006600406423702 }, "harness|hellaswag|10": { "acc": 0.7175861382194781, "acc_stderr": 0.004492535748097628, "acc_norm": 0.8911571400119498, "acc_norm_stderr": 0.0031080545633521087 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.3, "acc_stderr": 0.046056618647183814, "acc_norm": 0.3, "acc_norm_stderr": 0.046056618647183814 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割: 2024_03_09T21_29_38.615578, latest
  • 路径: **/details_harness|arc:challenge|25_2024-03-09T21-29-38.615578.parquet

• harness_gsm8k_5

  • 分割: 2024_03_09T21_29_38.615578, latest
  • 路径: **/details_harness|gsm8k|5_2024-03-09T21-29-38.615578.parquet

• harness_hellaswag_10

  • 分割: 2024_03_09T21_29_38.615578, latest
  • 路径: **/details_harness|hellaswag|10_2024-03-09T21-29-38.615578.parquet

• harness_hendrycksTest_5

  • 分割: 2024_03_09T21_29_38.615578, latest
  • 路径: **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-09T21-29-38.615578.parquet, 以及其他相关路径...