open-llm-leaderboard/details_nbeerbower__bruphin-kappa
收藏Hugging Face2024-03-29 更新2024-06-11 收录
下载链接：
https://hf-mirror.com/datasets/open-llm-leaderboard/details_nbeerbower__bruphin-kappa
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是在评估模型nbeerbower/bruphin-kappa时自动创建的，评估在Open LLM Leaderboard上进行。数据集由63个配置组成，每个配置对应一个评估任务。数据集由1次运行创建，每次运行可以在每个配置中找到，运行的时间戳作为分割名称。train分割始终指向最新结果。results配置存储了所有运行的聚合结果，并用于计算和显示Open LLM Leaderboard上的聚合指标。
该数据集是在评估模型nbeerbower/bruphin-kappa时自动创建的，评估在Open LLM Leaderboard上进行。数据集由63个配置组成，每个配置对应一个评估任务。数据集由1次运行创建，每次运行可以在每个配置中找到，运行的时间戳作为分割名称。train分割始终指向最新结果。results配置存储了所有运行的聚合结果，并用于计算和显示Open LLM Leaderboard上的聚合指标。
提供机构：
open-llm-leaderboard
原始信息汇总
数据集概述
数据集基本信息
- 名称: Evaluation run of nbeerbower/bruphin-kappa
- 创建原因: 自动创建于模型 nbeerbower/bruphin-kappa 在 Open LLM Leaderboard 的评估运行期间
- 组成: 包含63个配置，每个配置对应一个评估任务
- 创建次数: 从1次运行中创建
- 数据分割: 每个运行作为一个特定的分割，分割名称使用运行的时间戳命名。"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
数据集加载示例
python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_nbeerbower__bruphin-kappa", "harness_winogrande_5", split="train")
最新结果
- 结果来源: 来自2024-03-29T20:07:50.571670的运行
- 结果内容: 包含多个任务的评估结果，如准确率(acc)、标准误差(acc_stderr)等指标
- 任务示例:
- harness|arc:challenge|25: 准确率0.6783276450511946，标准误差0.013650488084494166
- harness|hellaswag|10: 准确率0.7069308902609042，标准误差0.004542396269999213
- harness|hendrycksTest-abstract_algebra|5: 准确率0.33，标准误差0.047258156262526045
- harness|truthfulqa:mc|0: mc1值0.5079559363525091，mc1标准误差0.01750128507455182
- harness|winogrande|5: 准确率0.829518547750592，标准误差0.010569021122825912
- harness|gsm8k|5: 准确率0.6937073540561031，标准误差0.012696930106562913
