open-llm-leaderboard/details_Walmart-the-bag__Quintellect-10.7B

该数据集是在评估模型Walmart-the-bag/Quintellect-10.7B在Open LLM Leaderboard上的表现时自动生成的。数据集包含63个配置，每个配置对应一个被评估的任务。数据集由一次运行的生成，每次运行在每个配置中表示为特定的分割，分割名称根据运行的时间戳命名。train分割始终指向最新的结果。此外，还有一个results配置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。README还提供了一个Python代码片段用于加载数据集，并列出了特定运行的最新结果。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of Walmart-the-bag/Quintellect-10.7B

数据集描述

• dataset_summary: 该数据集是在评估模型Walmart-the-bag/Quintellect-10.7B时自动创建的，位于Open LLM Leaderboard。

数据集组成

• 数据结构: 包含63个配置，每个配置对应一个评估任务。
• 数据来源: 数据集由1次运行创建，每次运行以时间戳命名的特定分割存储。
• 额外配置: “results”配置存储所有运行结果的聚合数据，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_Walmart-the-bag__Quintellect-10.7B", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 最新结果来自run 2024-03-22T01:12:27.024632。
• 结果详情: 包含多个任务的评估结果，如准确率(acc)、标准误差(acc_stderr)等。

数据集配置

配置列表

• config_name: harness_arc_challenge_25

  • data_files:
    • split: 2024_03_22T01_12_27.024632
      • path: **/details_harness|arc:challenge|25_2024-03-22T01-12-27.024632.parquet
    • split: latest
      • path: **/details_harness|arc:challenge|25_2024-03-22T01-12-27.024632.parquet

• config_name: harness_gsm8k_5

  • data_files:
    • split: 2024_03_22T01_12_27.024632
      • path: **/details_harness|gsm8k|5_2024-03-22T01-12-27.024632.parquet
    • split: latest
      • path: **/details_harness|gsm8k|5_2024-03-22T01-12-27.024632.parquet

• config_name: harness_hellaswag_10

  • data_files:
    • split: 2024_03_22T01_12_27.024632
      • path: **/details_harness|hellaswag|10_2024-03-22T01-12-27.024632.parquet
    • split: latest
      • path: **/details_harness|hellaswag|10_2024-03-22T01-12-27.024632.parquet

• config_name: harness_hendrycksTest_5

  • data_files:
    • split: 2024_03_22T01_12_27.024632
      • path:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-22T01-12-27.024632.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-03-22T01-12-27.024632.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-03-22T01-12-27.024632.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-03-22T01-12-27.024632.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-03-22T01-12-27.024632.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-03-22T01-12-27.024632.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-03-22T01-12-27.024632.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-03-22T01-12-27.024632.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-03-22T01-12-27.024632.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-03-22T01-12-27.024632.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-03-22T01-12-27.024632.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-03-22T01-12-27.024632.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-03-22T01-12-27.024632.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-03-22T01-12-27.024632.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-03-22T01-12-27.024632.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-03-22T01-12-27.024632.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2024-03-22T01-12-27.024632.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2024-03-22T01-12-27.024632.parquet
        • **/details_harness|hendrycksTest-high_school_biology|5_2024-03-22T01-12-27.024632.parquet
        • ...