open-llm-leaderboard-old/details_l3utterfly__phi-2-layla-v1

该数据集是在模型 l3utterfly/phi-2-layla-v1 的评估运行期间自动创建的，评估运行在 Open LLM Leaderboard 上进行。数据集由 63 个配置组成，每个配置对应一个评估任务。数据集是从 1 次运行中创建的，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

数据集摘要

该数据集是在对模型 l3utterfly/phi-2-layla-v1 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集组成

数据集由 63 个配置组成，每个配置对应一个评估任务。数据集是从 1 次运行中创建的，每次运行的详细信息可以在每个配置中找到，使用运行的时间戳作为分割名称。"train" 分割始终指向最新的结果。

额外配置

一个额外的配置 "results" 存储了所有运行结果的汇总，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_l3utterfly__phi-2-layla-v1", "harness_winogrande_5", split="train")

最新结果

这些是最新结果的汇总，来自 2024-03-01T04:09:12.236701 的运行。每个任务的结果包括准确率（acc）、标准化准确率（acc_norm）及其标准误差（stderr）。

配置详情

配置列表

• harness_arc_challenge_25

  • 分割：2024_03_01T04_09_12.236701, latest
  • 路径：**/details_harness|arc:challenge|25_2024-03-01T04-09-12.236701.parquet

• harness_gsm8k_5

  • 分割：2024_03_01T04_09_12.236701, latest
  • 路径：**/details_harness|gsm8k|5_2024-03-01T04-09-12.236701.parquet

• harness_hellaswag_10

  • 分割：2024_03_01T04_09_12.236701, latest
  • 路径：**/details_harness|hellaswag|10_2024-03-01T04-09-12.236701.parquet

• harness_hendrycksTest_5

  • 分割：2024_03_01T04_09_12.236701, latest
  • 路径：多个任务的详细路径

结果示例

python { "all": { "acc": 0.5806160663593981, "acc_stderr": 0.03370736474493647, "acc_norm": 0.5818809010728088, "acc_norm_stderr": 0.034396452094496016, "mc1": 0.3108935128518972, "mc1_stderr": 0.016203316673559693, "mc2": 0.44006505239159754, "mc2_stderr": 0.015123589795438744 }, "harness|arc:challenge|25": { "acc": 0.5861774744027304, "acc_stderr": 0.014392730009221005, "acc_norm": 0.6083617747440273, "acc_norm_stderr": 0.014264122124938211 }, "harness|hellaswag|10": { "acc": 0.5703047201752639, "acc_stderr": 0.004940208641372079, "acc_norm": 0.7500497908783111, "acc_norm_stderr": 0.004320990543283154 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.28, "acc_stderr": 0.045126085985421296, "acc_norm": 0.28, "acc_norm_stderr": 0.045126085985421296 }, # 其他任务的结果... }