open-llm-leaderboard-old/details_brucethemoose__SUS-Bagel-200K-DARE-Test

该数据集是在模型brucethemoose/SUS-Bagel-200K-DARE-Test在Open LLM Leaderboard上的评估运行期间自动创建的。数据集由63个配置组成，每个配置对应一个被评估的任务。数据集是从1次运行中创建的，每次运行作为每个配置中的一个特定分割，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存储了运行的所有聚合结果，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

数据集简介

该数据集是在对模型brucethemoose/SUS-Bagel-200K-DARE-Test进行评估运行期间自动创建的，用于Open LLM Leaderboard。

数据集结构

• 配置数量：63个配置，每个配置对应一个评估任务。
• 运行次数：数据集从1次运行中创建。每个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。
• 分割：每个配置中的“train”分割始终指向最新的结果。
• 结果配置：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_brucethemoose__SUS-Bagel-200K-DARE-Test", "harness_winogrande_5", split="train")

最新结果

以下是2024-01-13T18:09:57.188193运行的最新结果：

python { "all": { "acc": 0.7658118587114254, "acc_stderr": 0.02808039655994379, "acc_norm": 0.7696925363139744, "acc_norm_stderr": 0.02861463324453946, "mc1": 0.44920440636474906, "mc1_stderr": 0.017412941986115305, "mc2": 0.6119893427851197, "mc2_stderr": 0.014925989149943244 }, "harness|arc:challenge|25": { "acc": 0.6527303754266212, "acc_stderr": 0.013913034529620456, "acc_norm": 0.6808873720136519, "acc_norm_stderr": 0.013621696119173306 }, "harness|hellaswag|10": { "acc": 0.6566421031666999, "acc_stderr": 0.0047385929002801905, "acc_norm": 0.8538139812786297, "acc_norm_stderr": 0.003525705773353417 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_01_13T18_09_57.188193, latest
  • 路径：**/details_harness|arc:challenge|25_2024-01-13T18-09-57.188193.parquet

• harness_gsm8k_5

  • 分割：2024_01_13T18_09_57.188193, latest
  • 路径：**/details_harness|gsm8k|5_2024-01-13T18-09-57.188193.parquet

• harness_hellaswag_10

  • 分割：2024_01_13T18_09_57.188193, latest
  • 路径：**/details_harness|hellaswag|10_2024-01-13T18-09-57.188193.parquet

• harness_hendrycksTest_5

  • 分割：2024_01_13T18_09_57.188193, latest
  • 路径：多个路径，包括**/details_harness|hendrycksTest-abstract_algebra|5_2024-01-13T18-09-57.188193.parquet等