open-llm-leaderboard/details_Contamination__contaminated_proof_7b_v1.0_safetensor

该数据集是在评估模型Contamination/contaminated_proof_7b_v1.0_safetensor时自动创建的，用于Open LLM Leaderboard的评估。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。

原始信息汇总

数据集概述

数据集名称: Evaluation run of Contamination/contaminated_proof_7b_v1.0_safetensor

创建目的: 该数据集是自动创建的，用于评估模型Contamination/contaminated_proof_7b_v1.0_safetensor在Open LLM Leaderboard上的表现。

数据集组成:

• 配置数量: 63个
• 每个配置对应任务: 每个配置对应一个评估任务
• 数据来源: 数据集由1次运行创建，每次运行对应一个特定的分割，分割名使用运行的时间戳命名。
• 特殊配置: 包含一个名为"results"的配置，用于存储所有运行的聚合结果，用于计算和显示聚合指标。

加载数据示例: python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Contamination__contaminated_proof_7b_v1.0_safetensor", "harness_winogrande_5", split="train")

最新结果

数据集提供了最新的评估结果，包括多个任务的准确率(acc)和标准误差(acc_stderr)等指标。以下是部分任务的结果示例：

• harness|arc:challenge|25:

  • acc: 0.7619453924914675
  • acc_stderr: 0.01244577002802621

• harness|hellaswag|10:

  • acc: 0.77504481179048
  • acc_stderr: 0.004166994527570876

• harness|hendrycksTest-abstract_algebra|5:

  • acc: 0.44
  • acc_stderr: 0.04988876515698589

这些结果展示了模型在不同任务上的性能，为研究和开发提供了重要的数据支持。