five

open-llm-leaderboard-old/details_rwitz__go-bruins

收藏
Hugging Face2023-12-09 更新2024-06-22 收录
下载链接:
https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_rwitz__go-bruins
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集是在模型rwitz/go-bruins在Open LLM Leaderboard上的评估运行期间自动创建的。数据集由63个配置组成,每个配置对应一个评估任务。数据集是从2次运行中创建的,每次运行都可以在每个配置的特定分割中找到,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,还有一个名为results的配置存储了所有运行的聚合结果,并用于计算和显示Open LLM Leaderboard上的聚合指标。

该数据集是在模型rwitz/go-bruins在Open LLM Leaderboard上的评估运行期间自动创建的。数据集由63个配置组成,每个配置对应一个评估任务。数据集是从2次运行中创建的,每次运行都可以在每个配置的特定分割中找到,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,还有一个名为results的配置存储了所有运行的聚合结果,并用于计算和显示Open LLM Leaderboard上的聚合指标。
提供机构:
open-llm-leaderboard-old
原始信息汇总

数据集概述

数据集组成

  • 该数据集包含63个配置,每个配置对应一个评估任务。
  • 数据集由2次运行结果组成,每次运行的结果以特定的时间戳命名的分片存储。
  • 每个配置中有一个名为"train"的分片,指向最新的结果。
  • 一个额外的配置"results"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_rwitz__go-bruins", "harness_winogrande_5", split="train")

最新结果

  • 最新结果来自2023-12-09T17:56:51.445836的运行,包含多个任务的评估结果。
  • 示例结果如下: python { "all": { "acc": 0.6537762475221197, "acc_stderr": 0.03208085743053689, "acc_norm": 0.6538246694322897, "acc_norm_stderr": 0.032742779319017035, "mc1": 0.4320685434516524, "mc1_stderr": 0.017341202394988257, "mc2": 0.5871006945090181, "mc2_stderr": 0.015474717474561337 }, "harness|arc:challenge|25": { "acc": 0.6638225255972696, "acc_stderr": 0.013804855026205761, "acc_norm": 0.6911262798634812, "acc_norm_stderr": 0.013501770929344003 }, "harness|hellaswag|10": { "acc": 0.6857199761003784, "acc_stderr": 0.004632797375289765, "acc_norm": 0.867257518422625, "acc_norm_stderr": 0.0033860277997584177 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.32, "acc_stderr": 0.04688261722621504, "acc_norm": 0.32, "acc_norm_stderr": 0.04688261722621504 },

    其他任务的结果...

}

配置详情

  • 每个配置包含多个数据文件,每个数据文件对应一个特定的时间戳或"latest"分片。
  • 示例配置:
    • config_name: harness_arc_challenge_25

      • split: 2023_12_09T17_47_26.960183
        • path: **/details_harness|arc:challenge|25_2023-12-09T17-47-26.960183.parquet
      • split: 2023_12_09T17_56_51.445836
        • path: **/details_harness|arc:challenge|25_2023-12-09T17-56-51.445836.parquet
      • split: latest
        • path: **/details_harness|arc:challenge|25_2023-12-09T17-56-51.445836.parquet
    • config_name: harness_gsm8k_5

      • split: 2023_12_09T17_47_26.960183
        • path: **/details_harness|gsm8k|5_2023-12-09T17-47-26.960183.parquet
      • split: 2023_12_09T17_56_51.445836
        • path: **/details_harness|gsm8k|5_2023-12-09T17-56-51.445836.parquet
      • split: latest
        • path: **/details_harness|gsm8k|5_2023-12-09T17-56-51.445836.parquet
    • config_name: harness_hellaswag_10

      • split: 2023_12_09T17_47_26.960183
        • path: **/details_harness|hellaswag|10_2023-12-09T17-47-26.960183.parquet
      • split: 2023_12_09T17_56_51.445836
        • path: **/details_harness|hellaswag|10_2023-12-09T17-56-51.445836.parquet
      • split: latest
        • path: **/details_harness|hellaswag|10_2023-12-09T17-56-51.445836.parquet
    • config_name: harness_hendrycksTest_5

      • split: 2023_12_09T17_47_26.960183
        • path: **/details_harness|hendrycksTest-abstract_algebra|5_2023-12-09T17-47-26.960183.parquet
        • path: **/details_harness|hendrycksTest-anatomy|5_2023-12-09T17-47-26.960183.parquet
        • path: **/details_harness|hendrycksTest-astronomy|5_2023-12-09T17-47-26.960183.parquet
        • path: **/details_harness|hendrycksTest-business_ethics|5_2023-12-09T17-47-26.960183.parquet
        • path: **/details_harness|hendrycksTest-clinical_knowledge|5_2023-12-09T17-47-26.960183.parquet
        • path: **/details_harness|hendrycksTest-college_biology|5_2023-12-09T17-47-26.960183.parquet
        • path: **/details_harness|hendrycksTest-college_chemistry|5_2023-12-09T17-47-26.960183.parquet
        • path: **/details_harness|hendrycksTest-college_computer_science|5_2023-12-09T17-47-26.960183.parquet
        • path: **/details_harness|hendrycksTest-college_mathematics|5_2023-12-09T17-47-26.960183.parquet
        • path: **/details_harness|hendrycksTest-college_medicine|5_2023-12-09T17-47-26.960183.parquet
        • path: **/details_harness|hendrycksTest-college_physics|5_2023-12-09T17-47-26.960183.parquet
        • path: **/details_harness|hendrycksTest-computer_security|5_2023-12-09T17-47-26.960183.parquet
        • path: **/details_harness|hendrycksTest-conceptual_physics|5_2023-12-09T17-47-26.960183.parquet
        • path: **/details_harness|hendrycksTest-econometrics|5_2023-12-09T17-47-26.960183.parquet
        • path: **/details_harness|hendrycksTest-electrical_engineering|5_2023-12-09T17-47-26.960183.parquet
        • path: **/details_harness|hendrycksTest-elementary_mathematics|5_2023-12-09T17-47-26.960183.parquet }
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作