open-llm-leaderboard-old/details_CobraMamba__mamba-gpt-3b-v2

该数据集是在评估模型CobraMamba/mamba-gpt-3b-v2时自动创建的，评估是在Open LLM Leaderboard上进行的。数据集由61个配置组成，每个配置对应一个评估任务。数据集是从1次运行中创建的，每次运行都可以在特定配置中找到，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，并用于计算和显示Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集摘要

该数据集是在模型 CobraMamba/mamba-gpt-3b-v2 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集包含 61 个配置，每个配置对应一个评估任务。数据集从 1 次运行中创建，每个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。

数据集结构

数据集包含以下配置：

• harness_arc_challenge_25
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个数据文件，分为不同的分割（如 2023_07_27T10_38_04.478796 和 latest），每个分割对应不同的数据文件路径。

最新结果

以下是 2023-07-27T10:38:04.478796 运行的最新结果：

python { "all": { "acc": 0.2773460846321751, "acc_stderr": 0.03238661474119926, "acc_norm": 0.2811003145526316, "acc_norm_stderr": 0.03238192601606109, "mc1": 0.23623011015911874, "mc1_stderr": 0.014869755015871112, "mc2": 0.36736867775864135, "mc2_stderr": 0.013883449396602417 }, "harness|arc:challenge|25": { "acc": 0.386518771331058, "acc_stderr": 0.01423008476191048, "acc_norm": 0.42150170648464164, "acc_norm_stderr": 0.014430197069326023 }, "harness|hellaswag|10": { "acc": 0.5284803823939455, "acc_stderr": 0.004981680090303706, "acc_norm": 0.7149970125473013, "acc_norm_stderr": 0.0045049329997363914 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.22, "acc_stderr": 0.04163331998932269, "acc_norm": 0.22, "acc_norm_stderr": 0.04163331998932269 }, # 其他任务的结果... }

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_CobraMamba__mamba-gpt-3b-v2", "harness_truthfulqa_mc_0", split="train")