open-llm-leaderboard/details_DevaMalla__llama_7b_qlora_pds-eval

该数据集是在Open LLM Leaderboard上对模型DevaMalla/llama_7b_qlora_pds-eval进行评估时自动生成的。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，每次运行在每个配置中表示为特定的分割，分割名称由运行的时间戳命名。train分割始终指向最新的结果。此外，results配置存储了所有运行的聚合结果，用于在Open LLM Leaderboard上计算和显示聚合指标。README还提供了如何使用Hugging Face datasets库加载运行中的详细信息的示例。

原始信息汇总

数据集概述

数据集简介

该数据集是在对模型 DevaMalla/llama_7b_qlora_pds-eval 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集结构

• 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 次运行创建，每次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。
• "train" 分割始终指向最新的结果。
• 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 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_DevaMalla__llama_7b_qlora_pds-eval", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-27T13:36:32.733859 运行的最新结果： python { "all": { "em": 0.0014681208053691276, "em_stderr": 0.0003921042190298514, "f1": 0.05659395973154381, "f1_stderr": 0.001308679051603083, "acc": 0.3839114801399975, "acc_stderr": 0.009019748895398038 }, "harness|drop|3": { "em": 0.0014681208053691276, "em_stderr": 0.0003921042190298514, "f1": 0.05659395973154381, "f1_stderr": 0.001308679051603083 }, "harness|gsm8k|5": { "acc": 0.04169825625473844, "acc_stderr": 0.005506205058175783 }, "harness|winogrande|5": { "acc": 0.7261247040252565, "acc_stderr": 0.012533292732620294 } }

配置详情

以下是部分配置的详细信息：

配置 harness_arc_challenge_25

• 分割 2023_10_01T13_07_32.777703
  • 路径: **/details_harness|arc:challenge|25_2023-10-01T13-07-32.777703.parquet
• 分割 latest
  • 路径: **/details_harness|arc:challenge|25_2023-10-01T13-07-32.777703.parquet

配置 harness_drop_3

• 分割 2023_10_27T13_36_32.733859
  • 路径: **/details_harness|drop|3_2023-10-27T13-36-32.733859.parquet
• 分割 latest
  • 路径: **/details_harness|drop|3_2023-10-27T13-36-32.733859.parquet

配置 harness_gsm8k_5

• 分割 2023_10_27T13_36_32.733859
  • 路径: **/details_harness|gsm8k|5_2023-10-27T13-36-32.733859.parquet
• 分割 latest
  • 路径: **/details_harness|gsm8k|5_2023-10-27T13-36-32.733859.parquet

配置 harness_hellaswag_10

• 分割 2023_10_01T13_07_32.777703
  • 路径: **/details_harness|hellaswag|10_2023-10-01T13-07-32.777703.parquet
• 分割 latest
  • 路径: **/details_harness|hellaswag|10_2023-10-01T13-07-32.777703.parquet

配置 harness_hendrycksTest_5

• 分割 2023_10_01T13_07_32.777703
  • 路径:
    • **/details_harness|hendrycksTest-abstract_algebra|5_2023-10-01T13-07-32.777703.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2023-10-01T13-07-32.777703.parquet
    • ...（其他路径省略）
• 分割 latest
  • 路径:
    • **/details_harness|hendrycksTest-abstract_algebra|5_2023-10-01T13-07-32.777703.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2023-10-01T13-07-32.777703.parquet
    • ...（其他路径省略）

其他配置

• 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
• ...（其他配置省略）