open-llm-leaderboard-old/details_adamo1139__Yi-6B-200K-AEZAKMI-v2

该数据集是在模型adamo1139/Yi-6B-200K-AEZAKMI-v2的评估运行期间自动创建的，用于在Open LLM Leaderboard上进行评估。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

该数据集是在评估模型adamo1139/Yi-6B-200K-AEZAKMI-v2在Open LLM Leaderboard上的自动创建的。数据集包含63个配置，每个配置对应一个评估任务。

数据集结构

• 配置数量：63个配置
• 数据来源：从1次运行中创建，每个运行对应一个特定的时间戳
• 数据分割：每个配置包含一个名为时间戳的分割，"train"分割指向最新结果
• 额外配置："results"配置存储所有运行的聚合结果，用于计算和显示聚合指标

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_adamo1139__Yi-6B-200K-AEZAKMI-v2", "harness_winogrande_5", split="train")

最新结果

以下是最新结果的摘要：

python { "all": { "acc": 0.6216609966600087, "acc_stderr": 0.032603529357893186, "acc_norm": 0.6297228151355619, "acc_norm_stderr": 0.03328101108137097, "mc1": 0.33047735618115054, "mc1_stderr": 0.0164667696136983, "mc2": 0.4679227286826816, "mc2_stderr": 0.01563467369999731 }, "harness|arc:challenge|25": { "acc": 0.507679180887372, "acc_stderr": 0.01460966744089257, "acc_norm": 0.5298634812286689, "acc_norm_stderr": 0.014585305840007107 }, "harness|hellaswag|10": { "acc": 0.5461063533160725, "acc_stderr": 0.0049685216080654635, "acc_norm": 0.7120095598486357, "acc_norm_stderr": 0.00451901168841718 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_01_10T22_39_37.508676, latest
  • 路径：**/details_harness|arc:challenge|25_2024-01-10T22-39-37.508676.parquet

• harness_gsm8k_5

  • 分割：2024_01_10T22_39_37.508676, latest
  • 路径：**/details_harness|gsm8k|5_2024-01-10T22-39-37.508676.parquet

• harness_hellaswag_10

  • 分割：2024_01_10T22_39_37.508676, latest
  • 路径：**/details_harness|hellaswag|10_2024-01-10T22-39-37.508676.parquet

• harness_hendrycksTest_5

  • 分割：2024_01_10T22_39_37.508676, latest
  • 路径：多个路径，例如**/details_harness|hendrycksTest-abstract_algebra|5_2024-01-10T22-39-37.508676.parquet

以上是数据集的概述和详细信息，包括数据集的结构、加载示例、最新结果和配置详情。