open-llm-leaderboard-old/details_llmixer__BigWeave-v20-110b

该数据集是在评估模型llmixer/BigWeave-v20-110b时自动创建的，包含63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分割始终指向最新结果。此外，results配置存储了所有运行的聚合结果，用于计算和展示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集简介

该数据集是在对模型 llmixer/BigWeave-v20-110b 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。
• 创建来源：数据集来自1次运行，每个运行结果作为一个特定的分割存储在每个配置中，分割名称使用运行的时间戳。
• 最新结果："train" 分割始终指向最新的结果。
• 汇总结果：一个额外的配置 "results" 存储所有运行的汇总结果，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_llmixer__BigWeave-v20-110b", "harness_winogrande_5", split="train")

最新结果

以下是 2024-02-16T10:41:33.075058 运行的最新结果：

python { "all": { "acc": 0.7006598594902614, "acc_stderr": 0.030334879953044784, "acc_norm": 0.7077385502169132, "acc_norm_stderr": 0.03092785311503184, "mc1": 0.44920440636474906, "mc1_stderr": 0.017412941986115305, "mc2": 0.6247452534043703, "mc2_stderr": 0.01525624326187566 }, "harness|arc:challenge|25": { "acc": 0.6484641638225256, "acc_stderr": 0.013952413699600935, "acc_norm": 0.681740614334471, "acc_norm_stderr": 0.013611993916971453 }, "harness|hellaswag|10": { "acc": 0.7175861382194781, "acc_stderr": 0.004492535748097629, "acc_norm": 0.885381398127863, "acc_norm_stderr": 0.0031791005658879977 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_02_16T10_41_33.075058, latest
  • 路径：**/details_harness|arc:challenge|25_2024-02-16T10-41-33.075058.parquet

• harness_gsm8k_5

  • 分割：2024_02_16T10_41_33.075058, latest
  • 路径：**/details_harness|gsm8k|5_2024-02-16T10-41-33.075058.parquet

• harness_hellaswag_10

  • 分割：2024_02_16T10_41_33.075058, latest
  • 路径：**/details_harness|hellaswag|10_2024-02-16T10-41-33.075058.parquet

• harness_hendrycksTest_5

  • 分割：2024_02_16T10_41_33.075058, latest
  • 路径：多个路径，包括 **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-16T10-41-33.075058.parquet 等。