open-llm-leaderboard-old/details_samir-fama__FernandoGPT-v1

该数据集是在模型samir-fama/FernandoGPT-v1在Open LLM Leaderboard上的评估运行过程中自动创建的。它由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中生成的，每次运行在每个配置中表示为一个特定的分割，使用运行的时间戳命名。train分割始终指向最新的结果。一个额外的配置results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。可以使用datasets库中的load_dataset函数加载该数据集。

原始信息汇总

数据集概述

该数据集是在对模型 samir-fama/FernandoGPT-v1 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 63 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找到特定的拆分，拆分名称使用运行的时间戳。
• "train" 拆分始终指向最新的结果。
• 额外的 "results" 配置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。

加载数据示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_samir-fama__FernandoGPT-v1", "harness_winogrande_5", split="train")

最新结果

这些是最新结果（来自 2024-01-04T12:27:16.928261 运行）的示例： python { "all": { "acc": 0.6565157141345797, "acc_stderr": 0.03209595442852185, "acc_norm": 0.6562737683441319, "acc_norm_stderr": 0.03276343682808398, "mc1": 0.4528763769889841, "mc1_stderr": 0.01742558984831402, "mc2": 0.611810271307038, "mc2_stderr": 0.015177040276543659 }, "harness|arc:challenge|25": { "acc": 0.6629692832764505, "acc_stderr": 0.01381347665290227, "acc_norm": 0.6945392491467577, "acc_norm_stderr": 0.01346008047800251 }, "harness|hellaswag|10": { "acc": 0.6838279227245568, "acc_stderr": 0.004640306719628064, "acc_norm": 0.869448317068313, "acc_norm_stderr": 0.003362208481557298 }, "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

  • 拆分：2024_01_04T12_27_16.928261, latest
  • 路径：**/details_harness|arc:challenge|25_2024-01-04T12-27-16.928261.parquet

• harness_gsm8k_5

  • 拆分：2024_01_04T12_27_16.928261, latest
  • 路径：**/details_harness|gsm8k|5_2024-01-04T12-27-16.928261.parquet

• harness_hellaswag_10

  • 拆分：2024_01_04T12_27_16.928261, latest
  • 路径：**/details_harness|hellaswag|10_2024-01-04T12-27-16.928261.parquet

• harness_hendrycksTest_5

  • 拆分：2024_01_04T12_27_16.928261, latest
  • 路径：多个路径，包括 **/details_harness|hendrycksTest-*|5_2024-01-04T12-27-16.928261.parquet