open-llm-leaderboard-old/details_klosax__pythia-70m-deduped-step44k-92bt

该数据集是在模型 klosax/pythia-70m-deduped-step44k-92bt 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集由 64 个配置组成，每个配置对应一个被评估的任务。数据集是从 3 次运行中生成的，每次运行在每个配置中表示为特定的分割，分割名称使用运行的时间戳。train 分割始终指向最新的结果。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 还提供了如何使用 `datasets` 库中的 `load_dataset` 函数加载数据集的示例。

原始信息汇总

数据集概述

数据集简介

该数据集是在评估模型 klosax/pythia-70m-deduped-step44k-92bt 在 Open LLM Leaderboard 上的自动创建的。

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 3 次运行创建，每次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。

额外配置

• 额外配置 "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。

加载数据示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_klosax__pythia-70m-deduped-step44k-92bt", "harness_winogrande_5", split="train")

最新结果

以下是最新结果（来自 2023-09-16T19:22:51.930931 运行）的示例： python { "all": { "em": 0.0005243288590604027, "em_stderr": 0.000234437804648362, "f1": 0.023688129194630956, "f1_stderr": 0.0008485245166671287, "acc": 0.25769534333070243, "acc_stderr": 0.007022913394891831 }, "harness|drop|3": { "em": 0.0005243288590604027, "em_stderr": 0.000234437804648362, "f1": 0.023688129194630956, "f1_stderr": 0.0008485245166671287 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|winogrande|5": { "acc": 0.5153906866614049, "acc_stderr": 0.014045826789783661 } }