open-llm-leaderboard/details_Devio__test-9k-fn

该数据集是在Open LLM Leaderboard上对模型Devio/test-9k-fn进行评估运行时自动创建的。数据集由61个配置组成，每个配置对应一个被评估的任务。数据集是从1次运行中创建的，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的额外配置存储了运行的所有聚合结果，这些结果用于计算和显示Open LLM Leaderboard上的聚合指标。文件还提供了如何使用Python代码加载运行细节的示例，并列出了特定运行的最新结果。

原始信息汇总

数据集概述

数据集 Evaluation run of Devio/test-9k-fn 是在对模型 Devio/test-9k-fn 进行评估运行期间自动创建的。该数据集包含 61 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，每个运行可以在每个配置中作为一个特定的分片找到，分片名称使用运行的时间戳。"train" 分片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_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个分片，包括特定时间戳的分片和 "latest" 分片。

数据加载示例

以下是加载数据集详细信息的示例代码：

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Devio__test-9k-fn", "harness_truthfulqa_mc_0", split="train")

最新结果

以下是 2023-10-04T07:45:21.870360 运行 的最新结果：

python { "all": { "acc": 0.29934767850730726, "acc_stderr": 0.033158996935405735, "acc_norm": 0.3034282752932227, "acc_norm_stderr": 0.03315857474708369, "mc1": 0.23378212974296206, "mc1_stderr": 0.014816195991931583, "mc2": 0.3914546223201993, "mc2_stderr": 0.013969580332280395 }, "harness|arc:challenge|25": { "acc": 0.35665529010238906, "acc_stderr": 0.013998056902620192, "acc_norm": 0.4087030716723549, "acc_norm_stderr": 0.014365750345427008 }, "harness|hellaswag|10": { "acc": 0.5057757418840868, "acc_stderr": 0.004989448490164429, "acc_norm": 0.6944831706831308, "acc_norm_stderr": 0.004596845936356623 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.23, "acc_stderr": 0.04229525846816506, "acc_norm": 0.23, "acc_norm_stderr": 0.04229525846816506 }, ... }