open-llm-leaderboard-old/details_vankhoa__test_phi2

该数据集是在Open LLM Leaderboard上对模型vankhoa/test_phi2进行评估时自动创建的。它由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中生成的，每次运行在每个配置中表示为特定的分割，使用运行的时间戳命名。train分割始终指向最新结果。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。可以使用datasets库中的load_dataset函数加载该数据集。

原始信息汇总

数据集概述

该数据集是在评估模型 vankhoa/test_phi2 在 Open LLM Leaderboard 上的运行过程中自动创建的。数据集包含 63 个配置，每个配置对应一个评估任务。

数据集结构

• 配置数量：63 个配置
• 创建来源：1 次运行
• 数据分割：每个配置包含特定运行的分割，分割名称使用运行的时间戳。"train" 分割始终指向最新结果。
• 额外配置："results" 配置存储所有运行的聚合结果，用于计算和显示聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_vankhoa__test_phi2", "harness_winogrande_5", split="train")

最新结果

以下是 最新结果 的摘要：

python { "all": { "acc": 0.5850094654680722, "acc_stderr": 0.03372166519920784, "acc_norm": 0.5863082002494311, "acc_norm_stderr": 0.03441275028388836, "mc1": 0.3084455324357405, "mc1_stderr": 0.01616803938315687, "mc2": 0.4444372167407213, "mc2_stderr": 0.015120046750465261 }, "harness|arc:challenge|25": { "acc": 0.5853242320819113, "acc_stderr": 0.014397070564409174, "acc_norm": 0.6117747440273038, "acc_norm_stderr": 0.014241614207414047 }, "harness|hellaswag|10": { "acc": 0.5658235411272655, "acc_stderr": 0.004946353590937028, "acc_norm": 0.7514439354710217, "acc_norm_stderr": 0.004312925837691543 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.31, "acc_stderr": 0.046482319871173156, "acc_norm": 0.31, "acc_norm_stderr": 0.046482319871173156 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_02_29T19_50_32.729881, latest
  • 路径：**/details_harness|arc:challenge|25_2024-02-29T19-50-32.729881.parquet

• harness_gsm8k_5

  • 分割：2024_02_29T19_50_32.729881, latest
  • 路径：**/details_harness|gsm8k|5_2024-02-29T19-50-32.729881.parquet

• harness_hellaswag_10

  • 分割：2024_02_29T19_50_32.729881, latest
  • 路径：**/details_harness|hellaswag|10_2024-02-29T19-50-32.729881.parquet

• harness_hendrycksTest_5

  • 分割：2024_02_29T19_50_32.729881, latest
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-29T19-50-32.729881.parquet