open-llm-leaderboard-old/details_chargoddard__average-dolphin-8x7B

该数据集是在Open LLM Leaderboard上对模型chargoddard/average-dolphin-8x7B进行评估时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集从1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。此外，results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。

原始信息汇总

数据集概述

数据集简介

该数据集是在模型 chargoddard/average-dolphin-8x7B 的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 63 个配置，每个配置对应一个评估任务。
• 数据集由 1 次运行创建，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_chargoddard__average-dolphin-8x7B", "harness_winogrande_5", split="train")

最新结果

最新结果来自 2024-01-06T07:27:11.992896 运行，包含多个任务的评估结果。以下是部分结果示例： python { "all": { "acc": 0.7063086568039458, "acc_stderr": 0.030431562081853093, "acc_norm": 0.7105668691204242, "acc_norm_stderr": 0.03102008354677035, "mc1": 0.3769889840881273, "mc1_stderr": 0.016965517578930354, "mc2": 0.5450592796762483, "mc2_stderr": 0.015077693207960957 }, "harness|arc:challenge|25": { "acc": 0.6552901023890785, "acc_stderr": 0.01388881628678211, "acc_norm": 0.6860068259385665, "acc_norm_stderr": 0.0135626912247263 }, "harness|hellaswag|10": { "acc": 0.6726747659828719, "acc_stderr": 0.004682780790508314, "acc_norm": 0.8598884684325832, "acc_norm_stderr": 0.0034639332860638833 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.37, "acc_stderr": 0.04852365870939099, "acc_norm": 0.37, "acc_norm_stderr": 0.04852365870939099 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_01_06T07_27_11.992896, latest
  • 路径：**/details_harness|arc:challenge|25_2024-01-06T07-27-11.992896.parquet

• harness_gsm8k_5

  • 分割：2024_01_06T07_27_11.992896, latest
  • 路径：**/details_harness|gsm8k|5_2024-01-06T07-27-11.992896.parquet

• harness_hellaswag_10

  • 分割：2024_01_06T07_27_11.992896, latest
  • 路径：**/details_harness|hellaswag|10_2024-01-06T07-27-11.992896.parquet

• harness_hendrycksTest_5

  • 分割：2024_01_06T07_27_11.992896, latest
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2024-01-06T07-27-11.992896.parquet

以上是数据集的详细概述，包括数据集的组成、加载示例、最新结果和配置详情。