open-llm-leaderboard/details_CalderaAI__30B-Lazarus

该数据集是在Open LLM Leaderboard上对模型CalderaAI/30B-Lazarus进行评估时自动创建的。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2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。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文件还包含一个Python代码片段，用于加载运行中的详细信息，并提供了特定运行的最新结果。

原始信息汇总

数据集概述

该数据集是在对模型 CalderaAI/30B-Lazarus 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 64 个配置，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。
• 额外的配置 "results" 存储所有运行结果的聚合，用于计算和显示 Open LLM Leaderboard 上的聚合指标。

加载数据集示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_CalderaAI__30B-Lazarus", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-13T10:30:29.206402 运行 的最新结果：

python { "all": { "em": 0.15866191275167785, "em_stderr": 0.0037416337044887996, "f1": 0.2289985318791943, "f1_stderr": 0.003861278919536814, "acc": 0.43053621617869603, "acc_stderr": 0.009464164192315844 }, "harness|drop|3": { "em": 0.15866191275167785, "em_stderr": 0.0037416337044887996, "f1": 0.2289985318791943, "f1_stderr": 0.003861278919536814 }, "harness|gsm8k|5": { "acc": 0.07733131159969674, "acc_stderr": 0.007357713523222348 }, "harness|winogrande|5": { "acc": 0.7837411207576953, "acc_stderr": 0.01157061486140934 } }

配置详情

配置列表

• 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
• harness_hendrycksTest_elementary_mathematics_5

数据文件路径

每个配置包含多个分割，每个分割对应不同的运行时间戳。例如：

• harness_arc_challenge_25 配置包含以下分割：

  • 2023_07_19T22_16_39.327210
  • latest

• harness_drop_3 配置包含以下分割：

  • 2023_10_13T10_30_29.206402
  • latest

• harness_gsm8k_5 配置包含以下分割：

  • 2023_10_13T10_30_29.206402
  • latest

• harness_hellaswag_10 配置包含以下分割：

  • 2023_07_19T22_16_39.327210
  • latest

• harness_hendrycksTest_5 配置包含以下分割：

  • 2023_07_19T22_16_39.327210
  • latest

• harness_hendrycksTest_abstract_algebra_5 配置包含以下分割：

  • 2023_07_19T22_16_39.327210
  • latest

• harness_hendrycksTest_anatomy_5 配置包含以下分割：

  • 2023_07_19T22_16_39.327210
  • latest

• harness_hendrycksTest_astronomy_5 配置包含以下分割：

  • 2023_07_19T22_16_39.327210
  • latest

• harness_hendrycksTest_business_ethics_5 配置包含以下分割：

  • 2023_07_19T22_16_39.327210
  • latest

• harness_hendrycksTest_clinical_knowledge_5 配置包含以下分割：

  • 2023_07_19T22_16_39.327210
  • latest

• harness_hendrycksTest_college_biology_5 配置包含以下分割：

  • 2023_07_19T22_16_39.327210
  • latest

• harness_hendrycksTest_college_chemistry_5 配置包含以下分割：

  • 2023_07_19T22_16_39.327210
  • latest

• harness_hendrycksTest_college_computer_science_5 配置包含以下分割：

  • 2023_07_19T22_16_39.327210
  • latest

• harness_hendrycksTest_college_mathematics_5 配置包含以下分割：

  • 2023_07_19T22_16_39.327210
  • latest

• harness_hendrycksTest_college_medicine_5 配置包含以下分割：

  • 2023_07_19T22_16_39.327210
  • latest

• harness_hendrycksTest_college_physics_5 配置包含以下分割：

  • 2023_07_19T22_16_39.327210
  • latest

• harness_hendrycksTest_computer_security_5 配置包含以下分割：

  • 2023_07_19T22_16_39.327210
  • latest

• harness_hendrycksTest_conceptual_physics_5 配置包含以下分割：

  • 2023_07_19T22_16_39.327210
  • latest

• harness_hendrycksTest_econometrics_5 配置包含以下分割：

  • 2023_07_19T22_16_39.327210
  • latest

• harness_hendrycksTest_electrical_engineering_5 配置包含以下分割：

  • 2023_07_19T22_16_39.327210
  • latest

• harness_hendrycksTest_elementary_mathematics_5 配置包含以下分割：

  • 2023_07_19T22_16_39.327210
  • latest