open-llm-leaderboard/details_sequelbox__DaringFortitude

该数据集是在Open LLM Leaderboard上对模型sequelbox/DaringFortitude进行评估运行时自动创建的。数据集由64个配置组成，每个配置对应一个评估任务。数据集是从1次运行中生成的，每次运行在每个配置中表示为特定的分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。一个名为results的额外配置存储了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。README还提供了如何使用Python代码加载运行中的详细信息的示例。

原始信息汇总

数据集概述

该数据集是在对模型 sequelbox/DaringFortitude 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。数据集包含 64 个配置，每个配置对应一个评估任务。

数据集结构

• 配置数量：64 个配置
• 数据来源：从 1 次运行中创建，每个运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳。
• 最新结果："train" 分割始终指向最新的结果。
• 结果汇总：一个额外的配置 "results" 存储所有运行的汇总结果，用于计算和显示在 Open LLM Leaderboard 上的汇总指标。

加载数据示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_sequelbox__DaringFortitude_public", "harness_winogrande_5", split="train")

最新结果

以下是 2023-11-15T00:35:47.431209 运行的最新结果：

python { "all": { "acc": 0.5932217761298214, "acc_stderr": 0.03305656216343214, "acc_norm": 0.6027951864354921, "acc_norm_stderr": 0.03382034227909779, "mc1": 0.40269277845777235, "mc1_stderr": 0.017168830935187215, "mc2": 0.559561930249219, "mc2_stderr": 0.015693079433704838, "em": 0.01950503355704698, "em_stderr": 0.0014162361849700607, "f1": 0.12218750000000013, "f1_stderr": 0.002284380268622334 }, ... }

配置详情

• config_name: harness_arc_challenge_25

  • splits:
    • 2023_11_15T00_35_47.431209
    • latest
  • paths:
    • **/details_harness|arc:challenge|25_2023-11-15T00-35-47.431209.parquet

• config_name: harness_drop_3

  • splits:
    • 2023_11_15T00_35_47.431209
    • latest
  • paths:
    • **/details_harness|drop|3_2023-11-15T00-35-47.431209.parquet

• config_name: harness_gsm8k_5

  • splits:
    • 2023_11_15T00_35_47.431209
    • latest
  • paths:
    • **/details_harness|gsm8k|5_2023-11-15T00-35-47.431209.parquet

• config_name: harness_hellaswag_10

  • splits:
    • 2023_11_15T00_35_47.431209
    • latest
  • paths:
    • **/details_harness|hellaswag|10_2023-11-15T00-35-47.431209.parquet

• config_name: harness_hendrycksTest_5

  • splits:
    • 2023_11_15T00_35_47.431209
    • latest
  • paths:
    • **/details_harness|hendrycksTest-abstract_algebra|5_2023-11-15T00-35-47.431209.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2023-11-15T00-35-47.431209.parquet
    • **/details_harness|hendrycksTest-astronomy|5_2023-11-15T00-35-47.431209.parquet
    • **/details_harness|hendrycksTest-business_ethics|5_2023-11-15T00-35-47.431209.parquet
    • **/details_harness|hendrycksTest-clinical_knowledge|5_2023-11-15T00-35-47.431209.parquet
    • **/details_harness|hendrycksTest-college_biology|5_2023-11-15T00-35-47.431209.parquet
    • **/details_harness|hendrycksTest-college_chemistry|5_2023-11-15T00-35-47.431209.parquet
    • **/details_harness|hendrycksTest-college_computer_science|5_2023-11-15T00-35-47.431209.parquet
    • **/details_harness|hendrycksTest-college_mathematics|5_2023-11-15T00-35-47.431209.parquet
    • **/details_harness|hendrycksTest-college_medicine|5_2023-11-15T00-35-47.431209.parquet
    • **/details_harness|hendrycksTest-college_physics|5_2023-11-15T00-35-47.431209.parquet
    • **/details_harness|hendrycksTest-computer_security|5_2023-11-15T00-35-47.431209.parquet
    • ... }

以上是数据集的详细概述，包括数据集的结构、加载示例、最新结果以及各个配置的详情。