open-llm-leaderboard-old/details_Walmart-the-bag__WordWoven-13B

该数据集是在Open LLM Leaderboard上对模型Walmart-the-bag/WordWoven-13B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。数据集是从1次运行中创建的，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，还有一个名为results的配置存储了所有运行的聚合结果，并用于计算和显示在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

该数据集是在对模型Walmart-the-bag/WordWoven-13B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。
• 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_Walmart-the-bag__WordWoven-13B", "harness_winogrande_5", split="train")

最新结果

以下是2024-01-04T14:04:01.998645运行的最新结果：

python { "all": { "acc": 0.6426229908497888, "acc_stderr": 0.032194876651038366, "acc_norm": 0.6446818377157361, "acc_norm_stderr": 0.032837192713734226, "mc1": 0.37576499388004897, "mc1_stderr": 0.016954584060214297, "mc2": 0.5445170161036526, "mc2_stderr": 0.015492435025282279 }, "harness|arc:challenge|25": { "acc": 0.6228668941979523, "acc_stderr": 0.014163366896192603, "acc_norm": 0.6612627986348123, "acc_norm_stderr": 0.01383056892797433 }, "harness|hellaswag|10": { "acc": 0.6697868950408286, "acc_stderr": 0.004693285694663838, "acc_norm": 0.8580959968133838, "acc_norm_stderr": 0.003482384956632779 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.39, "acc_stderr": 0.04902071300001975, "acc_norm": 0.39, "acc_norm_stderr": 0.04902071300001975 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割: 2024_01_04T14_04_01.998645
  • 路径: **/details_harness|arc:challenge|25_2024-01-04T14-04-01.998645.parquet
  • 分割: latest
  • 路径: **/details_harness|arc:challenge|25_2024-01-04T14-04-01.998645.parquet

• harness_gsm8k_5

  • 分割: 2024_01_04T14_04_01.998645
  • 路径: **/details_harness|gsm8k|5_2024-01-04T14-04-01.998645.parquet
  • 分割: latest
  • 路径: **/details_harness|gsm8k|5_2024-01-04T14-04-01.998645.parquet

• harness_hellaswag_10

  • 分割: 2024_01_04T14_04_01.998645
  • 路径: **/details_harness|hellaswag|10_2024-01-04T14-04-01.998645.parquet
  • 分割: latest
  • 路径: **/details_harness|hellaswag|10_2024-01-04T14-04-01.998645.parquet

• harness_hendrycksTest_5

  • 分割: 2024_01_04T14_04_01.998645
  • 路径:
    • **/details_harness|hendrycksTest-abstract_algebra|5_2024-01-04T14-04-01.998645.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2024-01-04T14-04-01.998645.parquet
    • ...