open-llm-leaderboard-old/details_Rardilit__Panther_v1

该数据集是在评估模型Rardilit/Panther_v1时自动创建的，包含3个配置，每个配置对应一个评估任务。数据集由1次运行生成，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results配置存储了所有运行的聚合结果，并用于计算和展示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集卡片 for Evaluation run of Rardilit/Panther_v1

数据集描述

数据集摘要

该数据集是在模型 Rardilit/Panther_v1 在 Open LLM Leaderboard 上的评估运行期间自动创建的。

数据集由3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。每次运行都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。

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）。

要加载某个运行的详细信息，可以执行以下操作： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Rardilit__Panther_v1", "harness_winogrande_5", split="train")

最新结果

以下是来自运行 2023-09-17T07:57:01.737780 的最新结果（注意，如果连续评估没有覆盖相同的任务，仓库中可能会有其他任务的结果。您可以在 "results" 和每个评估的 "latest" 拆分中找到每个任务的结果）：

python { "all": { "em": 0.0, "em_stderr": 0.0, "f1": 0.0, "f1_stderr": 0.0, "acc": 0.2478295185477506, "acc_stderr": 0.007025978032038456 }, "harness|drop|3": { "em": 0.0, "em_stderr": 0.0, "f1": 0.0, "f1_stderr": 0.0 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|winogrande|5": { "acc": 0.4956590370955012, "acc_stderr": 0.014051956064076911 } }

数据集结构

配置

• harness_drop_3

  • 拆分: 2023_09_17T07_57_01.737780
    • 路径: **/details_harness|drop|3_2023-09-17T07-57-01.737780.parquet
  • 拆分: latest
    • 路径: **/details_harness|drop|3_2023-09-17T07-57-01.737780.parquet

• harness_gsm8k_5

  • 拆分: 2023_09_17T07_57_01.737780
    • 路径: **/details_harness|gsm8k|5_2023-09-17T07-57-01.737780.parquet
  • 拆分: latest
    • 路径: **/details_harness|gsm8k|5_2023-09-17T07-57-01.737780.parquet

• harness_winogrande_5

  • 拆分: 2023_09_17T07_57_01.737780
    • 路径: **/details_harness|winogrande|5_2023-09-17T07-57-01.737780.parquet
  • 拆分: latest
    • 路径: **/details_harness|winogrande|5_2023-09-17T07-57-01.737780.parquet

• results

  • 拆分: 2023_09_17T07_57_01.737780
    • 路径: results_2023-09-17T07-57-01.737780.parquet
  • 拆分: latest
    • 路径: results_2023-09-17T07-57-01.737780.parquet