open-llm-leaderboard/details_upstage__llama-65b-instruct

该数据集是在Open LLM Leaderboard上对模型upstage/llama-65b-instruct进行评估时自动创建的。数据集由64个配置组成，每个配置对应一个评估任务。数据集由3次运行生成，每次运行的结果存储为特定配置中的一个分割，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"的配置存储所有运行的聚合结果，用于在Open LLM Leaderboard上计算和显示聚合指标。

原始信息汇总

数据集概述

数据集摘要

该数据集是在对模型 upstage/llama-65b-instruct 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 64 个配置，每个配置对应一个评估任务。
• 数据集从 3 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_upstage__llama-65b-instruct", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-24T19:27:31.642045 运行的最新结果： python { "all": { "em": 0.454383389261745, "em_stderr": 0.005099113352549085, "f1": 0.5468970218120836, "f1_stderr": 0.004699295426287538, "acc": 0.5364480517576576, "acc_stderr": 0.011564851426457474 }, "harness|drop|3": { "em": 0.454383389261745, "em_stderr": 0.005099113352549085, "f1": 0.5468970218120836, "f1_stderr": 0.004699295426287538 }, "harness|gsm8k|5": { "acc": 0.2623199393479909, "acc_stderr": 0.012116912419925702 }, "harness|winogrande|5": { "acc": 0.8105761641673244, "acc_stderr": 0.011012790432989247 } }

配置详情

• harness_arc_challenge_25

  • 分割：2023_07_31T16_32_35.958499, latest
  • 路径：**/details_harness|arc:challenge|25_2023-07-31T16:32:35.958499.parquet

• harness_drop_3

  • 分割：2023_10_17T01_44_05.835561, 2023_10_24T19_27_31.642045, latest
  • 路径：**/details_harness|drop|3_2023-10-17T01-44-05.835561.parquet, **/details_harness|drop|3_2023-10-24T19-27-31.642045.parquet

• harness_gsm8k_5

  • 分割：2023_10_17T01_44_05.835561, 2023_10_24T19_27_31.642045, latest
  • 路径：**/details_harness|gsm8k|5_2023-10-17T01-44-05.835561.parquet, **/details_harness|gsm8k|5_2023-10-24T19-27-31.642045.parquet

• harness_hellaswag_10

  • 分割：2023_07_31T16_32_35.958499, latest
  • 路径：**/details_harness|hellaswag|10_2023-07-31T16:32:35.958499.parquet

• harness_hendrycksTest_5

  • 分割：2023_07_31T16_32_35.958499, latest
  • 路径：多个路径，详见原文档

• harness_hendrycksTest_abstract_algebra_5

  • 分割：2023_07_31T16_32_35.958499, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-07-31T16:32:35.958499.parquet

• harness_hendrycksTest_anatomy_5

  • 分割：2023_07_31T16_32_35.958499, latest
  • 路径：**/details_harness|hendrycksTest-anatomy|5_2023-07-31T16:32:35.958499.parquet

• harness_hendrycksTest_astronomy_5

  • 分割：2023_07_31T16_32_35.958499, latest
  • 路径：**/details_harness|hendrycksTest-astronomy|5_2023-07-31T16:32:35.958499.parquet

• harness_hendrycksTest_business_ethics_5

  • 分割：2023_07_31T16_32_35.958499, latest
  • 路径：**/details_harness|hendrycksTest-business_ethics|5_2023-07-31T16:32:35.958499.parquet

• harness_hendrycksTest_clinical_knowledge_5

  • 分割：2023_07_31T16_32_35.958499, latest
  • 路径：**/details_harness|hendrycksTest-clinical_knowledge|5_2023-07-31T16:32:35.958499.parquet

• harness_hendrycksTest_college_biology_5

  • 分割：2023_07_31T16_32_35.958499, latest
  • 路径：**/details_harness|hendrycksTest-college_biology|5_2023-07-31T16:32:35.958499.parquet

• harness_hendrycksTest_college_chemistry_5

  • 分割：2023_07_31T16_32_35.958499, latest
  • 路径：**/details_harness|hendrycksTest-college_chemistry|5_2023-07-31T16:32:35.958499.parquet

• harness_hendrycksTest_college_computer_science_5

  • 分割：2023_07_31T16_32_35.958499, latest
  • 路径：**/details_harness|hendrycksTest-college_computer_science|5_2023-07-31T16:32:35.958499.parquet

• harness_hendrycksTest_college_mathematics_5

  • 分割：2023_07_31T16_32_35.958499, latest
  • 路径：**/details_harness|hendrycksTest-college_mathematics|5_2023-07-31T16:32:35.958499.parquet

• harness_hendrycksTest_college_medicine_5

  • 分割：2023_07_31T16_32_35.958499, latest
  • 路径：**/details_harness|hendrycksTest-college_medicine|5_2023-07-31T16:32:35.958499.parquet

• harness_hendrycksTest_college_physics_5

  • 分割：2023_07_31T16_32_35.958499, latest
  • 路径：**/details_harness|hendrycksTest-college_physics|5_2023-07-31T16:32:35.958499.parquet

• harness_hendrycksTest_computer_security_5

  • 分割：2023_07_31T16_32_35.958499, latest
  • 路径：**/details_harness|hendrycksTest-computer_security|5_2023-07-31T16:32:35.958499.parquet

• harness_hendrycksTest_conceptual_physics_5

  • 分割：2023_07_31T16_32_35.958499, latest
  • 路径：**/details_harness|hendrycksTest-conceptual_physics|5_2023-07-31T16:32:35.958499.parquet

• harness_hendrycksTest_econometrics_5

  • 分割：2023_07_31T16_32_35.958499, latest
  • 路径：**/details_harness|hendrycksTest-econometrics|5_2023-07-31T16:32:35.958499.parquet

• harness_hendrycksTest_electrical_engineering_5

  • 分割：2023_07_31T16_32_35.958499, latest
  • 路径：**/details_harness|hendrycksTest-electrical_engineering|5_2023-07-31T16:32:35.958499.parquet

以上是数据集的详细概述，包括数据集的组成、加载示例、最新结果以及各个配置的详细信息。