open-llm-leaderboard-old/details_dhmeltzer__Llama-2-7b-hf-wiki30k_r_64_alpha_16

该数据集是在模型dhmeltzer/Llama-2-7b-hf-wiki30k_r_64_alpha_16的评估运行期间自动创建的，用于在Open LLM Leaderboard上进行评估。数据集由61个配置组成，每个配置对应一个评估任务。数据集由1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。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

数据集简介

该数据集是在评估模型 dhmeltzer/Llama-2-7b-hf-wiki30k_r_64_alpha_16 的过程中自动创建的，用于 Open LLM Leaderboard。

数据集结构

• 配置数量：61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。
• 最新结果："train" 分割始终指向最新结果。
• 汇总结果：一个额外的配置 "results" 存储所有运行的汇总结果，用于计算和显示 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_dhmeltzer__Llama-2-7b-hf-wiki30k_r_64_alpha_16", "harness_truthfulqa_mc_0", split="train")

最新结果

以下是 2023-08-29T19:45:42.675668 运行的最新结果：

python { "all": { "acc": 0.4674646723979816, "acc_stderr": 0.03520803561024559, "acc_norm": 0.47144963624975206, "acc_norm_stderr": 0.03519372000845246, "mc1": 0.24479804161566707, "mc1_stderr": 0.015051869486715014, "mc2": 0.38637509679052146, "mc2_stderr": 0.013509815622124081 }, "harness|arc:challenge|25": { "acc": 0.4948805460750853, "acc_stderr": 0.01461062489030916, "acc_norm": 0.5324232081911263, "acc_norm_stderr": 0.014580637569995421 }, "harness|hellaswag|10": { "acc": 0.5877315275841466, "acc_stderr": 0.004912370023913015, "acc_norm": 0.7853017327225652, "acc_norm_stderr": 0.004097736838432052 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.3, "acc_stderr": 0.046056618647183814, "acc_norm": 0.3, "acc_norm_stderr": 0.046056618647183814 }, # 其他任务的结果... }