open-llm-leaderboard-old/details_jsk0214__Seagull-llama-3-8B-orpo-v0.4

该数据集是在Open LLM Leaderboard上对模型jsk0214/Seagull-llama-3-8B-orpo-v0.4进行评估时自动创建的。数据集包含63个配置，每个配置对应一个评估任务。数据集从1次运行中生成，每次运行在每个配置中都有特定的分割，分割名称使用运行的时间戳命名。train分割始终指向最新的结果。此外，一个名为results的配置存储了所有运行的聚合结果，用于计算和显示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 jsk0214/Seagull-llama-3-8B-orpo-v0.4 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
• 创建来源：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。
• 训练分割："train" 分割始终指向最新的结果。
• 结果配置："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_jsk0214__Seagull-llama-3-8B-orpo-v0.4", "harness_winogrande_5", split="train")

最新结果

以下是 最新结果 的摘要：

python { "all": { "acc": 0.6521196061657714, "acc_stderr": 0.03210965443019156, "acc_norm": 0.6573928152399344, "acc_norm_stderr": 0.03274836000067566, "mc1": 0.3623011015911873, "mc1_stderr": 0.016826646897262258, "mc2": 0.5374192187071765, "mc2_stderr": 0.015179566829182416 }, "harness|arc:challenge|25": { "acc": 0.5486348122866894, "acc_stderr": 0.014542104569955267, "acc_norm": 0.5802047781569966, "acc_norm_stderr": 0.014422181226303026 }, "harness|hellaswag|10": { "acc": 0.614618601872137, "acc_stderr": 0.004856906473719383, "acc_norm": 0.8176658036247759, "acc_norm_stderr": 0.00385330599042107 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.31, "acc_stderr": 0.04648231987117316, "acc_norm": 0.31, "acc_norm_stderr": 0.04648231987117316 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_04_21T02_27_58.465880, latest
  • 路径：**/details_harness|arc:challenge|25_2024-04-21T02-27-58.465880.parquet

• harness_gsm8k_5

  • 分割：2024_04_21T02_27_58.465880, latest
  • 路径：**/details_harness|gsm8k|5_2024-04-21T02-27-58.465880.parquet

• harness_hellaswag_10

  • 分割：2024_04_21T02_27_58.465880, latest
  • 路径：**/details_harness|hellaswag|10_2024-04-21T02-27-58.465880.parquet

• harness_hendrycksTest_5

  • 分割：2024_04_21T02_27_58.465880, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2024-04-21T02-27-58.465880.parquet, 以及其他相关路径...