open-llm-leaderboard-old/details_aboros98__lilo2

该数据集是在Open LLM Leaderboard上对模型aboros98/lilo2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。数据集从1次运行中创建，每次运行可以在每个配置中找到，运行的时间戳作为分割名称。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，用于在Open LLM Leaderboard上计算和显示聚合指标。

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 aboros98/lilo2 在 Open LLM Leaderboard 上的自动创建的。数据集包含 63 个配置，每个配置对应一个评估任务。

数据集结构

• 配置数量：63 个配置
• 数据来源：从 1 次运行中创建，每次运行作为一个特定的分割，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。
• 聚合结果：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_aboros98__lilo2", "harness_winogrande_5", split="train")

最新结果

以下是 2024-03-05T19:52:07.619196 运行的最新结果：

python { "all": { "acc": 0.46669803529916926, "acc_stderr": 0.03476665867708161, "acc_norm": 0.4668770745049492, "acc_norm_stderr": 0.03547832815838369, "mc1": 0.32313341493268055, "mc1_stderr": 0.016371836286454604, "mc2": 0.47019960333842625, "mc2_stderr": 0.015476896280257718 }, "harness|arc:challenge|25": { "acc": 0.5, "acc_stderr": 0.014611390804670088, "acc_norm": 0.5187713310580204, "acc_norm_stderr": 0.014601090150633964 }, "harness|hellaswag|10": { "acc": 0.5435172276438957, "acc_stderr": 0.004970846697552311, "acc_norm": 0.7219677355108544, "acc_norm_stderr": 0.004471137333619624 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_03_05T19_52_07.619196, latest
  • 路径：**/details_harness|arc:challenge|25_2024-03-05T19-52-07.619196.parquet

• harness_gsm8k_5

  • 分割：2024_03_05T19_52_07.619196, latest
  • 路径：**/details_harness|gsm8k|5_2024-03-05T19-52-07.619196.parquet

• harness_hellaswag_10

  • 分割：2024_03_05T19_52_07.619196, latest
  • 路径：**/details_harness|hellaswag|10_2024-03-05T19-52-07.619196.parquet

• harness_hendrycksTest_5

  • 分割：2024_03_05T19_52_07.619196, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2024-03-05T19-52-07.619196.parquet 等