open-llm-leaderboard-old/details_saltlux__luxia-21.4b-alignment-v1.1

该数据集是在Open LLM Leaderboard上对模型saltlux/luxia-21.4b-alignment-v1.1进行评估时自动创建的。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2次运行生成，每次运行在每个配置中表示为特定的分割，train分割始终指向最新结果。此外，名为results的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还提供了如何使用datasets库加载数据集的示例，并包含了特定运行的最新结果。

原始信息汇总

数据集概述

数据集简介

该数据集是在评估模型saltlux/luxia-21.4b-alignment-v1.1在Open LLM Leaderboard上的运行过程中自动创建的。

数据集组成

• 数据集包含63个配置，每个配置对应一个评估任务。
• 数据集由2次运行创建，每次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。
• 一个额外的配置"results"存储所有运行的聚合结果，用于计算和显示在Open LLM Leaderboard上的聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_saltlux__luxia-21.4b-alignment-v1.1", "harness_winogrande_5", split="train")

最新结果

以下是2024-03-21T14:42:07.820524运行的最新结果：

python { "all": { "acc": 0.6840030660779568, "acc_stderr": 0.031363296344179496, "acc_norm": 0.6874998200439859, "acc_norm_stderr": 0.03200381423680316, "mc1": 0.6940024479804161, "mc1_stderr": 0.016132229728155038, "mc2": 0.8090943058378247, "mc2_stderr": 0.013112054157410078 }, "harness|arc:challenge|25": { "acc": 0.7627986348122867, "acc_stderr": 0.01243039982926086, "acc_norm": 0.7824232081911263, "acc_norm_stderr": 0.012057262020972499 }, "harness|hellaswag|10": { "acc": 0.7514439354710217, "acc_stderr": 0.0043129258376915424, "acc_norm": 0.8969328818960366, "acc_norm_stderr": 0.003034251362939894 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割: 2024_03_21T14_39_42.695025
    • 路径: **/details_harness|arc:challenge|25_2024-03-21T14-39-42.695025.parquet
  • 分割: 2024_03_21T14_42_07.820524
    • 路径: **/details_harness|arc:challenge|25_2024-03-21T14-42-07.820524.parquet
  • 分割: latest
    • 路径: **/details_harness|arc:challenge|25_2024-03-21T14-42-07.820524.parquet

• harness_gsm8k_5

  • 分割: 2024_03_21T14_39_42.695025
    • 路径: **/details_harness|gsm8k|5_2024-03-21T14-39-42.695025.parquet
  • 分割: 2024_03_21T14_42_07.820524
    • 路径: **/details_harness|gsm8k|5_2024-03-21T14-42-07.820524.parquet
  • 分割: latest
    • 路径: **/details_harness|gsm8k|5_2024-03-21T14-42-07.820524.parquet

• harness_hellaswag_10

  • 分割: 2024_03_21T14_39_42.695025
    • 路径: **/details_harness|hellaswag|10_2024-03-21T14-39-42.695025.parquet
  • 分割: 2024_03_21T14_42_07.820524
    • 路径: **/details_harness|hellaswag|10_2024-03-21T14-42-07.820524.parquet
  • 分割: latest
    • 路径: **/details_harness|hellaswag|10_2024-03-21T14-42-07.820524.parquet

• harness_hendrycksTest_5

  • 分割: 2024_03_21T14_39_42.695025
    • 路径:
      • **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-21T14-39-42.695025.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2024-03-21T14-39-42.695025.parquet
      • **/details_harness|hendrycksTest-astronomy|5_2024-03-21T14-39-42.695025.parquet
      • **/details_harness|hendrycksTest-business_ethics|5_2024-03-21T14-39-42.695025.parquet
      • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-03-21T14-39-42.695025.parquet
      • **/details_harness|hendrycksTest-college_biology|5_2024-03-21T14-39-42.695025.parquet
      • **/details_harness|hendrycksTest-college_chemistry|5_2024-03-21T14-39-42.695025.parquet
      • **/details_harness|hendrycksTest-college_computer_science|5_2024-03-21T14-39-42.695025.parquet
      • **/details_harness|hendrycksTest-college_mathematics|5_2024-03-21T14-39-42.695025.parquet
      • **/details_harness|hendrycksTest-college_medicine|5_2024-03-21T14-39-42.695025.parquet
      • **/details_harness|hendrycksTest-college_physics|5_2024-03-21T14-39-42.695025.parquet
      • **/details_harness|hendrycksTest-computer_security|5_2024-03-21T14-39-42.695025.parquet
      • **/details_harness|hendrycksTest-conceptual_physics|5_2024-03-21T14-39-42.695025.parquet
      • **/details_harness|hendrycksTest-econometrics|5_2024-03-21T14-39-42.695025.parquet
      • **/details_harness|hendrycksTest-electrical_engineering|5_2024-03-21T14-39-42.695025.parquet