open-llm-leaderboard-old/details_stabilityai__StableBeluga-13B

该数据集是在模型 stabilityai/StableBeluga-13B 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集由 64 个配置组成，每个配置对应一个被评估的任务。数据集是从 2 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。train 分割始终指向最新的结果。一个名为 results 的额外配置存储了所有运行的聚合结果，这些结果用于计算和显示 Open LLM Leaderboard 上的聚合指标。README 还提供了如何使用 `datasets` 库中的 `load_dataset` 函数加载数据集的示例。

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 stabilityai/StableBeluga-13B 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：64个配置，每个配置对应一个评估任务。
• 运行次数：数据集从2次运行中创建。每个运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳。
• 训练分割："train" 分割始终指向最新的结果。
• 结果配置：一个额外的配置 "results" 存储所有运行的聚合结果，用于计算和显示聚合指标在 Open LLM Leaderboard 上。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_stabilityai__StableBeluga-13B", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-15T18:18:48.353426 运行的最新结果： python { "all": { "em": 0.13968120805369127, "em_stderr": 0.00355008169467152, "f1": 0.2125828439597308, "f1_stderr": 0.0036624757731315858, "acc": 0.4533641938925533, "acc_stderr": 0.010674908726298674 }, "harness|drop|3": { "em": 0.13968120805369127, "em_stderr": 0.00355008169467152, "f1": 0.2125828439597308, "f1_stderr": 0.0036624757731315858 }, "harness|gsm8k|5": { "acc": 0.1379833206974981, "acc_stderr": 0.009499777327746841 }, "harness|winogrande|5": { "acc": 0.7687450670876085, "acc_stderr": 0.011850040124850508 } }

配置详情

以下是部分配置的详细信息：

• harness_arc_challenge_25

  • 分割：2023_07_31T13_19_00.568083
  • 路径：**/details_harness|arc:challenge|25_2023-07-31T13:19:00.568083.parquet
  • 分割：latest
  • 路径：**/details_harness|arc:challenge|25_2023-07-31T13:19:00.568083.parquet

• harness_drop_3

  • 分割：2023_10_15T18_18_48.353426
  • 路径：**/details_harness|drop|3_2023-10-15T18-18-48.353426.parquet
  • 分割：latest
  • 路径：**/details_harness|drop|3_2023-10-15T18-18-48.353426.parquet

• harness_gsm8k_5

  • 分割：2023_10_15T18_18_48.353426
  • 路径：**/details_harness|gsm8k|5_2023-10-15T18-18-48.353426.parquet
  • 分割：latest
  • 路径：**/details_harness|gsm8k|5_2023-10-15T18-18-48.353426.parquet

• harness_hellaswag_10

  • 分割：2023_07_31T13_19_00.568083
  • 路径：**/details_harness|hellaswag|10_2023-07-31T13:19:00.568083.parquet
  • 分割：latest
  • 路径：**/details_harness|hellaswag|10_2023-07-31T13:19:00.568083.parquet

• harness_hendrycksTest_5

  • 分割：2023_07_31T13_19_00.568083
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-07-31T13:19:00.568083.parquet 等
  • 分割：latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-07-31T13:19:00.568083.parquet 等