open-llm-leaderboard/details_huggingface__llama-30b

该数据集是在评估模型huggingface/llama-30b时自动创建的，主要用于Open LLM Leaderboard的评估任务。数据集包含64个配置，每个配置对应一个评估任务。数据集由3次运行生成，每次运行的结果作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，存储了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

数据集简介

该数据集是在对模型 huggingface/llama-30b 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集结构

• 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_huggingface__llama-30b", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-17T02:42:34.429291 运行的最新结果： python { "all": { "em": 0.0014681208053691276, "em_stderr": 0.0003921042190298701, "f1": 0.06332634228187943, "f1_stderr": 0.0013742294190200051, "acc": 0.47445656434133393, "acc_stderr": 0.010516415781576863 }, "harness|drop|3": { "em": 0.0014681208053691276, "em_stderr": 0.0003921042190298701, "f1": 0.06332634228187943, "f1_stderr": 0.0013742294190200051 }, "harness|gsm8k|5": { "acc": 0.14859742228961334, "acc_stderr": 0.009797503180527876 }, "harness|winogrande|5": { "acc": 0.8003157063930545, "acc_stderr": 0.011235328382625849 } }

配置详情

• harness_arc_challenge_25

  • 分割: 2023_07_19T07_25_43.005787
    • 路径: **/details_harness|arc:challenge|25_2023-07-19T07:25:43.005787.parquet
  • 分割: 2023_07_19T13_27_01.742279
    • 路径: **/details_harness|arc:challenge|25_2023-07-19T13:27:01.742279.parquet
  • 分割: latest
    • 路径: **/details_harness|arc:challenge|25_2023-07-19T13:27:01.742279.parquet

• harness_drop_3

  • 分割: 2023_10_17T02_42_34.429291
    • 路径: **/details_harness|drop|3_2023-10-17T02-42-34.429291.parquet
  • 分割: latest
    • 路径: **/details_harness|drop|3_2023-10-17T02-42-34.429291.parquet

• harness_gsm8k_5

  • 分割: 2023_10_17T02_42_34.429291
    • 路径: **/details_harness|gsm8k|5_2023-10-17T02-42-34.429291.parquet
  • 分割: latest
    • 路径: **/details_harness|gsm8k|5_2023-10-17T02-42-34.429291.parquet

• harness_hellaswag_10

  • 分割: 2023_07_19T07_25_43.005787
    • 路径: **/details_harness|hellaswag|10_2023-07-19T07:25:43.005787.parquet
  • 分割: 2023_07_19T13_27_01.742279
    • 路径: **/details_harness|hellaswag|10_2023-07-19T13:27:01.742279.parquet
  • 分割: latest
    • 路径: **/details_harness|hellaswag|10_2023-07-19T13:27:01.742279.parquet

• harness_hendrycksTest_5

  • 分割: 2023_07_19T07_25_43.005787
    • 路径:
      • **/details_harness|hendrycksTest-abstract_algebra|5_2023-07-19T07:25:43.005787.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2023-07-19T07:25:43.005787.parquet
      • ...（其他路径省略）
  • 分割: 2023_07_19T13_27_01.742279
    • 路径:
      • **/details_harness|hendrycksTest-abstract_algebra|5_2023-07-19T13:27:01.742279.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2023-07-19T13:27:01.742279.parquet
      • ...（其他路径省略）
  • 分割: latest
    • 路径:
      • **/details_harness|hendrycksTest-abstract_algebra|5_2023-07-19T13:27:01.742279.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2023-07-19T13:27:01.742279.parquet
      • ...（其他路径省略）