open-llm-leaderboard-old/details_klosax__open_llama_3b_350bt_preview

该数据集是在模型klosax/open_llama_3b_350bt_preview的评估运行期间自动创建的，用于Open LLM Leaderboard。数据集由61个配置组成，每个配置对应一个评估任务。数据集从1次运行中创建，每次运行可以在每个配置中找到，分割以运行的时间戳命名。train分割始终指向最新结果。此外，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。

原始信息汇总

数据集概述

数据集来源

该数据集是在对模型 klosax/open_llama_3b_350bt_preview 进行评估运行期间自动创建的。

数据集组成

• 数据集包含 61 个配置，每个配置对应一个评估任务。
• 数据集由 1 次运行创建，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。
• 每个配置中的 "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，用于计算和显示聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_klosax__open_llama_3b_350bt_preview", "harness_truthfulqa_mc_0", split="train")

最新结果

最新结果来自 2023-07-24T10:25:13.548749 运行，包含多个任务的评估结果，例如：

• harness|arc:challenge|25 的准确率为 0.34215017064846415，标准化准确率为 0.3651877133105802。
• harness|hellaswag|10 的准确率为 0.4563831905994822，标准化准确率为 0.6086436964748058。
• harness|hendrycksTest-abstract_algebra|5 的准确率为 0.25，标准化准确率为 0.25。

配置详情

• config_name: harness_arc_challenge_25

  • 分割: 2023_07_24T10_25_13.548749
    • 路径: **/details_harness|arc:challenge|25_2023-07-24T10:25:13.548749.parquet
  • 分割: latest
    • 路径: **/details_harness|arc:challenge|25_2023-07-24T10:25:13.548749.parquet

• config_name: harness_hellaswag_10

  • 分割: 2023_07_24T10_25_13.548749
    • 路径: **/details_harness|hellaswag|10_2023-07-24T10:25:13.548749.parquet
  • 分割: latest
    • 路径: **/details_harness|hellaswag|10_2023-07-24T10:25:13.548749.parquet

• config_name: harness_hendrycksTest_5

  • 分割: 2023_07_24T10_25_13.548749
    • 路径: 多个文件路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-07-24T10:25:13.548749.parquet