open-llm-leaderboard-old/details_dhmeltzer__Llama-2-13b-hf-eli5-wiki-1024_r_64_alpha_16

该数据集是在Open LLM Leaderboard上对模型dhmeltzer/Llama-2-13b-hf-eli5-wiki-1024_r_64_alpha_16进行评估时自动创建的。数据集包含64个配置，每个配置对应一个评估任务。数据集由2次运行生成，每次运行的结果作为特定配置中的一个分割，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，还有一个名为results的配置，存储了所有运行的聚合结果，并用于在Open LLM Leaderboard上计算和显示聚合指标。

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 dhmeltzer/Llama-2-13b-hf-eli5-wiki-1024_r_64_alpha_16 的过程中自动创建的。数据集由64个配置组成，每个配置对应一个评估任务。数据集从2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。

数据集结构

数据集包含以下配置：

• harness_arc_challenge_25
• harness_drop_3
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5
• harness_hendrycksTest_abstract_algebra_5
• harness_hendrycksTest_anatomy_5
• harness_hendrycksTest_astronomy_5
• harness_hendrycksTest_business_ethics_5
• harness_hendrycksTest_clinical_knowledge_5
• harness_hendrycksTest_college_biology_5
• harness_hendrycksTest_college_chemistry_5
• harness_hendrycksTest_college_computer_science_5
• harness_hendrycksTest_college_mathematics_5
• harness_hendrycksTest_college_medicine_5
• harness_hendrycksTest_college_physics_5
• harness_hendrycksTest_computer_security_5
• harness_hendrycksTest_conceptual_physics_5
• harness_hendrycksTest_econometrics_5
• harness_hendrycksTest_electrical_engineering_5

每个配置包含多个分割，包括特定时间戳的分割和最新的分割。

数据加载示例

以下是加载数据集的示例代码： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_dhmeltzer__Llama-2-13b-hf-eli5-wiki-1024_r_64_alpha_16", "harness_winogrande_5", split="train")

最新结果

以下是2023-09-22T19:51:06.659965运行中的最新结果： python { "all": { "em": 0.002726510067114094, "em_stderr": 0.0005340111700415918, "f1": 0.06889890939597297, "f1_stderr": 0.0014912452735151907, "acc": 0.43548543448224686, "acc_stderr": 0.010181852995139873 }, "harness|drop|3": { "em": 0.002726510067114094, "em_stderr": 0.0005340111700415918, "f1": 0.06889890939597297, "f1_stderr": 0.0014912452735151907 }, "harness|gsm8k|5": { "acc": 0.10538286580742987, "acc_stderr": 0.00845757588404176 }, "harness|winogrande|5": { "acc": 0.7655880031570639, "acc_stderr": 0.011906130106237986 } }