open-llm-leaderboard/details_Undi95__ReMM-v2-L2-13B

该数据集是在Open LLM Leaderboard上对模型Undi95/ReMM-v2-L2-13B进行评估时自动生成的。数据集包含64个配置，每个配置对应一个被评估的任务。数据集由2次运行的数据组成，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，一个名为results的配置存储了所有运行的聚合结果，这些结果用于计算和显示Open LLM Leaderboard上的聚合指标。README还提供了一个Python代码片段来加载数据集详细信息，并列出了特定运行的最新结果。

原始信息汇总

数据集概述

数据集简介

该数据集是在对模型 Undi95/ReMM-v2-L2-13B 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集结构

• 配置数量：64个配置，每个配置对应一个评估任务。
• 数据来源：数据集由2次运行创建，每次运行的结果作为特定分片存储，分片名称使用运行的时间戳。
• 最新结果："train" 分片始终指向最新结果。
• 聚合结果：一个额外的配置 "results" 存储所有运行的聚合结果，用于计算和显示在 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_Undi95__ReMM-v2-L2-13B", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-24T07:00:18.944945 运行 的最新结果： python { "all": { "em": 0.056312919463087245, "em_stderr": 0.0023607917437880183, "f1": 0.12075503355704631, "f1_stderr": 0.002645290783284543, "acc": 0.4452013645505283, "acc_stderr": 0.010675124517934693 }, "harness|drop|3": { "em": 0.056312919463087245, "em_stderr": 0.0023607917437880183, "f1": 0.12075503355704631, "f1_stderr": 0.002645290783284543 }, "harness|gsm8k|5": { "acc": 0.13191811978771797, "acc_stderr": 0.009321265253857515 }, "harness|winogrande|5": { "acc": 0.7584846093133386, "acc_stderr": 0.012028983782011872 } }

配置详情

以下是部分配置的详细信息：

• harness_arc_challenge_25

  • 分片：2023_09_18T13_58_45.934639, latest
  • 路径：**/details_harness|arc:challenge|25_2023-09-18T13-58-45.934639.parquet

• harness_drop_3

  • 分片：2023_10_24T07_00_18.944945, latest
  • 路径：**/details_harness|drop|3_2023-10-24T07-00-18.944945.parquet

• harness_gsm8k_5

  • 分片：2023_10_24T07_00_18.944945, latest
  • 路径：**/details_harness|gsm8k|5_2023-10-24T07-00-18.944945.parquet

• harness_hellaswag_10

  • 分片：2023_09_18T13_58_45.934639, latest
  • 路径：**/details_harness|hellaswag|10_2023-09-18T13-58-45.934639.parquet

• harness_hendrycksTest_5

  • 分片：2023_09_18T13_58_45.934639, latest
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-09-18T13-58-45.934639.parquet

• harness_hendrycksTest_abstract_algebra_5

  • 分片：2023_09_18T13_58_45.934639, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-09-18T13-58-45.934639.parquet

• harness_hendrycksTest_anatomy_5

  • 分片：2023_09_18T13_58_45.934639, latest
  • 路径：**/details_harness|hendrycksTest-anatomy|5_2023-09-18T13-58-45.934639.parquet

• harness_hendrycksTest_astronomy_5

  • 分片：2023_09_18T13_58_45.934639, latest
  • 路径：**/details_harness|hendrycksTest-astronomy|5_2023-09-18T13-58-45.934639.parquet

• harness_hendrycksTest_business_ethics_5

  • 分片：2023_09_18T13_58_45.934639, latest
  • 路径：**/details_harness|hendrycksTest-business_ethics|5_2023-09-18T13-58-45.934639.parquet

• harness_hendrycksTest_clinical_knowledge_5

  • 分片：2023_09_18T13_58_45.934639, latest
  • 路径：**/details_harness|hendrycksTest-clinical_knowledge|5_2023-09-18T13-58-45.934639.parquet

• harness_hendrycksTest_college_biology_5

  • 分片：2023_09_18T13_58_45.934639, latest
  • 路径：**/details_harness|hendrycksTest-college_biology|5_2023-09-18T13-58-45.934639.parquet

• harness_hendrycksTest_college_chemistry_5

  • 分片：2023_09_18T13_58_45.934639, latest
  • 路径：**/details_harness|hendrycksTest-college_chemistry|5_2023-09-18T13-58-45.934639.parquet

• harness_hendrycksTest_college_computer_science_5

  • 分片：2023_09_18T13_58_45.934639, latest
  • 路径：**/details_harness|hendrycksTest-college_computer_science|5_2023-09-18T13-58-45.934639.parquet

• harness_hendrycksTest_college_mathematics_5

  • 分片：2023_09_18T13_58_45.934639, latest
  • 路径：**/details_harness|hendrycksTest-college_mathematics|5_2023-09-18T13-58-45.934639.parquet

• harness_hendrycksTest_college_medicine_5

  • 分片：2023_09_18T13_58_45.934639, latest
  • 路径：**/details_harness|hendrycksTest-college_medicine|5_2023-09-18T13-58-45.934639.parquet

• harness_hendrycksTest_college_physics_5

  • 分片：2023_09_18T13_58_45.934639, latest
  • 路径：**/details_harness|hendrycksTest-college_physics|5_2023-09-18T13-58-45.934639.parquet

• harness_hendrycksTest_computer_security_5

  • 分片：2023_09_18T13_58_45.934639, latest
  • 路径：**/details_harness|hendrycksTest-computer_security|5_2023-09-18T13-58-45.934639.parquet

• harness_hendrycksTest_conceptual_physics_5

  • 分片：2023_09_18T13_58_45.934639, latest
  • 路径：**/details_harness|hendrycksTest-conceptual_physics|5_2023-09-18T13-58-45.934639.parquet

• harness_hendrycksTest_econometrics_5

  • 分片：2023_09_18T13_58_45.934639, latest
  • 路径：**/details_harness|hendrycksTest-econometrics|5_2023-09-18T13-58-45.934639.parquet

• harness_hendrycksTest_electrical_engineering_5

  • 分片：2023_09_18T13_58_45.934639, latest
  • 路径：**/details_harness|hendrycksTest-electrical_engineering|5_2023-09-18T13-58-45.934639.parquet

• harness_hendrycksTest_elementary_mathematics_5

  • 分片：2023_09_18T13_58_45.934639, latest
  • 路径：**/details_harness|hendrycksTest-elementary_mathematics|5_2023-09-18T13-58-45.934639.parquet

以上是数据集的详细概述，包括数据集的简介、结构、加载示例、最新结果以及部分配置的详细信息。