open-llm-leaderboard-old/details_Korabbit__Llama-2-7b-chat-hf-afr-441step-flan-v2

数据集是在评估模型Korabbit/Llama-2-7b-chat-hf-afr-441step-flan-v2时自动创建的，评估在Open LLM Leaderboard上进行。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中创建的，每次运行可以在每个配置中找到特定的分割，分割以运行的时间戳命名。train分割始终指向最新的结果。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 Korabbit/Llama-2-7b-chat-hf-afr-441step-flan-v2 在 Open LLM Leaderboard 上的运行过程中自动创建的。

数据集结构

• 配置数量：63个配置，每个配置对应一个评估任务。
• 运行次数：数据集来自1次运行。每个运行结果作为一个特定的分割存储在每个配置中，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_Korabbit__Llama-2-7b-chat-hf-afr-441step-flan-v2", "harness_winogrande_5", split="train")

最新结果

以下是 2023-12-08T00:30:10.216270 运行的最新结果：

python { "all": { "acc": 0.4859119672157952, "acc_stderr": 0.03429323694683427, "acc_norm": 0.49074853348450337, "acc_norm_stderr": 0.03505156425981663, "mc1": 0.2974296205630355, "mc1_stderr": 0.016002651487361002, "mc2": 0.4502487926207983, "mc2_stderr": 0.01555198529323624 }, "harness|arc:challenge|25": { "acc": 0.4906143344709898, "acc_stderr": 0.014608816322065, "acc_norm": 0.5213310580204779, "acc_norm_stderr": 0.014598087973127106 }, "harness|hellaswag|10": { "acc": 0.5900219079864569, "acc_stderr": 0.004908241354310213, "acc_norm": 0.7763393746265684, "acc_norm_stderr": 0.004158455808204937 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.28, "acc_stderr": 0.04512608598542129, "acc_norm": 0.28, "acc_norm_stderr": 0.04512608598542129 }, # 其他任务的结果省略... }

配置详情

• harness_arc_challenge_25

  • 分割：2023_12_08T00_30_10.216270
  • 路径：**/details_harness|arc:challenge|25_2023-12-08T00-30-10.216270.parquet
  • 分割：latest
  • 路径：**/details_harness|arc:challenge|25_2023-12-08T00-30-10.216270.parquet

• harness_gsm8k_5

  • 分割：2023_12_08T00_30_10.216270
  • 路径：**/details_harness|gsm8k|5_2023-12-08T00-30-10.216270.parquet
  • 分割：latest
  • 路径：**/details_harness|gsm8k|5_2023-12-08T00-30-10.216270.parquet

• harness_hellaswag_10

  • 分割：2023_12_08T00_30_10.216270
  • 路径：**/details_harness|hellaswag|10_2023-12-08T00-30-10.216270.parquet
  • 分割：latest
  • 路径：**/details_harness|hellaswag|10_2023-12-08T00-30-10.216270.parquet

• harness_hendrycksTest_5

  • 分割：2023_12_08T00_30_10.216270
  • 路径：
    • **/details_harness|hendrycksTest-abstract_algebra|5_2023-12-08T00-30-10.216270.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2023-12-08T00-30-10.216270.parquet
    • **/details_harness|hendrycksTest-astronomy|5_2023-12-08T00-30-10.216270.parquet
    • **/details_harness|hendrycksTest-business_ethics|5_2023-12-08T00-30-10.216270.parquet
    • **/details_harness|hendrycksTest-clinical_knowledge|5_2023-12-08T00-30-10.216270.parquet
    • **/details_harness|hendrycksTest-college_biology|5_2023-12-08T00-30-10.216270.parquet
    • **/details_harness|hendrycksTest-college_chemistry|5_2023-12-08T00-30-10.216270.parquet
    • **/details_harness|hendrycksTest-college_computer_science|5_2023-12-08T00-30-10.216270.parquet
    • **/details_harness|hendrycksTest-college_mathematics|5_2023-12-08T00-30-10.216270.parquet
    • **/details_harness|hendrycksTest-college_medicine|5_2023-12-08T00-30-10.216270.parquet
    • **/details_harness|hendrycksTest-college_physics|5_2023-12-08T00-30-10.216270.parquet
    • **/details_harness|hendrycksTest-computer_security|5_2023-12-08T00-30-10.216270.parquet
    • **/details_harness|hendrycksTest-conceptual_physics|5_2023-12-08T00-30-10.216270.parquet
    • **/details_harness|hendrycksTest-econometrics|5_2023-12-08T00-30-10.216270.parquet
    • **/details_harness|hendrycksTest-electrical_engineering|5_2023-12-08T00-30-10.216270.parquet
    • **/details_harness|hendrycksTest-elementary_mathematics|5_2023-12-08T00-30-10.216270.parquet
    • **/details_harness|hendrycksTest-formal_logic|5_2023-12-08T00-30-10.216270.parquet

    其他路径省略...

}