five

open-llm-leaderboard-old/details_BFauber__opt1.3b_10e5

收藏
Hugging Face2024-02-02 更新2024-06-22 收录
下载链接:
https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_BFauber__opt1.3b_10e5
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集是在评估模型BFauber/opt1.3b_10e5在Open LLM Leaderboard上的表现时自动创建的。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在每个配置中,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,results配置存储了所有运行的聚合结果,并用于计算和显示Open LLM Leaderboard上的聚合指标。

该数据集是在评估模型BFauber/opt1.3b_10e5在Open LLM Leaderboard上的表现时自动创建的。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在每个配置中,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,results配置存储了所有运行的聚合结果,并用于计算和显示Open LLM Leaderboard上的聚合指标。
提供机构:
open-llm-leaderboard-old
原始信息汇总

数据集概述

数据集简介

该数据集是在对模型 BFauber/opt1.3b_10e5 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,每个运行可以在每个配置中作为一个特定的分片找到,分片名称使用运行的时间戳。
  • "train" 分片始终指向最新的结果。
  • 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_BFauber__opt1.3b_10e5", "harness_winogrande_5", split="train")

最新结果

以下是 2024-02-02T19:22:53.886717 运行的最新结果

python { "all": { "acc": 0.25956926248319, "acc_stderr": 0.030774098043396373, "acc_norm": 0.26133458633537765, "acc_norm_stderr": 0.031590043549587034, "mc1": 0.22643818849449204, "mc1_stderr": 0.014651337324602578, "mc2": 0.38176130958688614, "mc2_stderr": 0.014298868021565533 }, "harness|arc:challenge|25": { "acc": 0.2645051194539249, "acc_stderr": 0.012889272949313368, "acc_norm": 0.295221843003413, "acc_norm_stderr": 0.013329750293382318 }, "harness|hellaswag|10": { "acc": 0.4070902210714997, "acc_stderr": 0.004902878806733043, "acc_norm": 0.5280820553674567, "acc_norm_stderr": 0.004981905293878152 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.26, "acc_stderr": 0.0440844002276808, "acc_norm": 0.26, "acc_norm_stderr": 0.0440844002276808 }, # 其他任务的结果省略... }

配置详情

  • harness_arc_challenge_25

    • 分片:2024_02_02T19_22_53.886717
      • 路径:**/details_harness|arc:challenge|25_2024-02-02T19-22-53.886717.parquet
    • 分片:latest
      • 路径:**/details_harness|arc:challenge|25_2024-02-02T19-22-53.886717.parquet
  • harness_gsm8k_5

    • 分片:2024_02_02T19_22_53.886717
      • 路径:**/details_harness|gsm8k|5_2024-02-02T19-22-53.886717.parquet
    • 分片:latest
      • 路径:**/details_harness|gsm8k|5_2024-02-02T19-22-53.886717.parquet
  • harness_hellaswag_10

    • 分片:2024_02_02T19_22_53.886717
      • 路径:**/details_harness|hellaswag|10_2024-02-02T19-22-53.886717.parquet
    • 分片:latest
      • 路径:**/details_harness|hellaswag|10_2024-02-02T19-22-53.886717.parquet
  • harness_hendrycksTest_5

    • 分片:2024_02_02T19_22_53.886717
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-02T19-22-53.886717.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-02-02T19-22-53.886717.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-02-02T19-22-53.886717.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-02-02T19-22-53.886717.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-02-02T19-22-53.886717.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-02-02T19-22-53.886717.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-02-02T19-22-53.886717.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-02-02T19-22-53.886717.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-02-02T19-22-53.886717.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-02-02T19-22-53.886717.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-02-02T19-22-53.886717.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-02-02T19-22-53.886717.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-02-02T19-22-53.886717.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-02-02T19-22-53.886717.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-02-02T19-22-53.886717.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-02-02T19-22-53.886717.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2024-02-02T19-22-53.886717.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2024-02-02T19-22-53.886717.parquet
        • **/details_harness|hendrycksTest-high_school_biology|5_2024-02-02T19-22-53.886717.parquet
        • `**/details_
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作