open-llm-leaderboard-old/details_johnsnowlabs__BioLing-7B-Dare

该数据集是在Open LLM Leaderboard上对模型johnsnowlabs/BioLing-7B-Dare进行评估时自动创建的。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

该数据集是在对模型 johnsnowlabs/BioLing-7B-Dare 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。

最新结果

以下是 2024-04-09T23:35:31.101237 运行的最新结果：

python { "all": { "acc": 0.6024796549026502, "acc_stderr": 0.03310506649883824, "acc_norm": 0.6093893210665232, "acc_norm_stderr": 0.03379950815279291, "mc1": 0.37576499388004897, "mc1_stderr": 0.016954584060214297, "mc2": 0.5374700664619642, "mc2_stderr": 0.015268834464528118 }, "harness|arc:challenge|25": { "acc": 0.5725255972696246, "acc_stderr": 0.014456862944650649, "acc_norm": 0.6177474402730375, "acc_norm_stderr": 0.014200454049979272 }, "harness|hellaswag|10": { "acc": 0.6357299342760406, "acc_stderr": 0.004802413919932668, "acc_norm": 0.8258315076677952, "acc_norm_stderr": 0.0037847921724660665 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.33, "acc_stderr": 0.047258156262526045, "acc_norm": 0.33, "acc_norm_stderr": 0.047258156262526045 }, # 其他任务的结果... }

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_johnsnowlabs__BioLing-7B-Dare", "harness_winogrande_5", split="train")