open-llm-leaderboard-old/details_Gryphe__MythoBoros-13b

该数据集是在Open LLM Leaderboard上对模型Gryphe/MythoBoros-13b进行评估时自动生成的。数据集包含64个配置，每个配置对应一个被评估的任务。数据集由2次运行生成，每次运行在每个配置中表示为特定的分割，分割名称由运行的时间戳命名。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，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Python中的datasets库加载运行细节的示例。

原始信息汇总

数据集概述

数据集来源

该数据集是在评估模型 Gryphe/MythoBoros-13b 在 Open LLM Leaderboard 上的自动创建的。

数据集结构

• 配置数量：64个配置，每个配置对应一个评估任务。
• 数据来源：数据集从2次运行中创建，每次运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳。"train" 分割始终指向最新的结果。
• 结果汇总：一个额外的配置 "results" 存储所有运行结果的聚合，用于计算和显示在 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_Gryphe__MythoBoros-13b", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-18T07:36:07.718911 运行的最新结果： python { "all": { "em": 0.0041946308724832215, "em_stderr": 0.000661871616826657, "f1": 0.07448825503355741, "f1_stderr": 0.0016326355330179777, "acc": 0.4220622281475347, "acc_stderr": 0.009891198431639305 }, "harness|drop|3": { "em": 0.0041946308724832215, "em_stderr": 0.000661871616826657, "f1": 0.07448825503355741, "f1_stderr": 0.0016326355330179777 }, "harness|gsm8k|5": { "acc": 0.08642911296436695, "acc_stderr": 0.007740044337103822 }, "harness|winogrande|5": { "acc": 0.7576953433307024, "acc_stderr": 0.012042352526174787 } }

配置详情

• harness_arc_challenge_25

  • 分割：2023_07_24T13_29_01.671194, latest
  • 路径：**/details_harness|arc:challenge|25_2023-07-24T13:29:01.671194.parquet

• harness_drop_3

  • 分割：2023_10_18T07_36_07.718911, latest
  • 路径：**/details_harness|drop|3_2023-10-18T07-36-07.718911.parquet

• harness_gsm8k_5

  • 分割：2023_10_18T07_36_07.718911, latest
  • 路径：**/details_harness|gsm8k|5_2023-10-18T07-36-07.718911.parquet

• harness_hellaswag_10

  • 分割：2023_07_24T13_29_01.671194, latest
  • 路径：**/details_harness|hellaswag|10_2023-07-24T13:29:01.671194.parquet

• harness_hendrycksTest_5

  • 分割：2023_07_24T13_29_01.671194, latest
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-07-24T13:29:01.671194.parquet

• harness_hendrycksTest_abstract_algebra_5

  • 分割：2023_07_24T13_29_01.671194, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-07-24T13:29:01.671194.parquet

• harness_hendrycksTest_anatomy_5

  • 分割：2023_07_24T13_29_01.671194, latest
  • 路径：**/details_harness|hendrycksTest-anatomy|5_2023-07-24T13:29:01.671194.parquet

• harness_hendrycksTest_astronomy_5

  • 分割：2023_07_24T13_29_01.671194, latest
  • 路径：**/details_harness|hendrycksTest-astronomy|5_2023-07-24T13:29:01.671194.parquet

• harness_hendrycksTest_business_ethics_5

  • 分割：2023_07_24T13_29_01.671194, latest
  • 路径：**/details_harness|hendrycksTest-business_ethics|5_2023-07-24T13:29:01.671194.parquet

• harness_hendrycksTest_clinical_knowledge_5

  • 分割：2023_07_24T13_29_01.671194, latest
  • 路径：**/details_harness|hendrycksTest-clinical_knowledge|5_2023-07-24T13:29:01.671194.parquet

• harness_hendrycksTest_college_biology_5

  • 分割：2023_07_24T13_29_01.671194, latest
  • 路径：**/details_harness|hendrycksTest-college_biology|5_2023-07-24T13:29:01.671194.parquet

• harness_hendrycksTest_college_chemistry_5

  • 分割：2023_07_24T13_29_01.671194, latest
  • 路径：**/details_harness|hendrycksTest-college_chemistry|5_2023-07-24T13:29:01.671194.parquet

• harness_hendrycksTest_college_computer_science_5

  • 分割：2023_07_24T13_29_01.671194, latest
  • 路径：**/details_harness|hendrycksTest-college_computer_science|5_2023-07-24T13:29:01.671194.parquet

• harness_hendrycksTest_college_mathematics_5

  • 分割：2023_07_24T13_29_01.671194, latest
  • 路径：**/details_harness|hendrycksTest-college_mathematics|5_2023-07-24T13:29:01.671194.parquet

• harness_hendrycksTest_college_medicine_5

  • 分割：2023_07_24T13_29_01.671194, latest
  • 路径：**/details_harness|hendrycksTest-college_medicine|5_2023-07-24T13:29:01.671194.parquet

• harness_hendrycksTest_college_physics_5

  • 分割：2023_07_24T13_29_01.671194, latest
  • 路径：**/details_harness|hendrycksTest-college_physics|5_2023-07-24T13:29:01.671194.parquet

• harness_hendrycksTest_computer_security_5

  • 分割：2023_07_24T13_29_01.671194, latest
  • 路径：**/details_harness|hendrycksTest-computer_security|5_2023-07-24T13:29:01.671194.parquet

• harness_hendrycksTest_conceptual_physics_5

  • 分割：2023_07_24T13_29_01.671194, latest
  • 路径：**/details_harness|hendrycksTest-conceptual_physics|5_2023-07-24T13:29:01.671194.parquet

• harness_hendrycksTest_econometrics_5

  • 分割：2023_07_24T13_29_01.671194, latest
  • 路径：**/details_harness|hendrycksTest-econometrics|5_2023-07-24T13:29:01.671194.parquet

• harness_hendrycksTest_electrical_engineering_5

  • 分割：2023_07_24T13_29_01.671194, latest
  • 路径：**/details_harness|hendrycksTest-electrical_engineering|5_2023-07-24T13:29:01.671194.parquet

• harness_hendrycksTest_elementary_mathematics_5

  • 分割：2023_07_24T13_29_01.671194, latest
  • 路径：**/details_harness|hendrycksTest-elementary_mathematics|5_2023-07-24T13:29:01.671194.parquet

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