open-llm-leaderboard/details_rinna__bilingual-gpt-neox-4b-instruction-sft

该数据集是在Open LLM Leaderboard上对模型rinna/bilingual-gpt-neox-4b-instruction-sft进行评估时自动创建的。数据集由64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，每次运行的结果作为特定配置中的一个分割，分割名称使用运行的时间戳。train分割始终指向最新结果。此外，还有一个名为results的配置存储了所有运行的聚合结果，并用于在Open LLM Leaderboard上计算和显示聚合指标。

原始信息汇总

数据集概述

数据集创建

• 数据集是在评估模型 rinna/bilingual-gpt-neox-4b-instruction-sft 的过程中自动创建的。
• 该数据集用于 Open LLM Leaderboard 的评估。

数据集结构

• 数据集包含 64 个配置，每个配置对应一个评估任务。
• 数据集从 2 次运行中创建，每个运行在每个配置中作为一个特定的分片存在，分片名称使用运行的时间戳。
• "train" 分片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 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_rinna__bilingual-gpt-neox-4b-instruction-sft", "harness_gsm8k_5", split="train")

最新结果

• 最新结果来自 2023-12-02T14:56:57.726732 运行。
• 示例结果： python { "all": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 } }

配置详情

• harness_arc_challenge_25

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：**/details_harness|arc:challenge|25_2023-11-18T15-24-39.768473.parquet

• harness_drop_3

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：**/details_harness|drop|3_2023-11-18T15-24-39.768473.parquet

• harness_gsm8k_5

  • 分片：2023_11_18T15_24_39.768473, 2023_12_02T14_56_57.726732, latest
  • 路径：**/details_harness|gsm8k|5_2023-11-18T15-24-39.768473.parquet, **/details_harness|gsm8k|5_2023-12-02T14-56-57.726732.parquet

• harness_hellaswag_10

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：**/details_harness|hellaswag|10_2023-11-18T15-24-39.768473.parquet

• harness_hendrycksTest_5

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-11-18T15-24-39.768473.parquet

• harness_hendrycksTest_abstract_algebra_5

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-11-18T15-24-39.768473.parquet

• harness_hendrycksTest_anatomy_5

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：**/details_harness|hendrycksTest-anatomy|5_2023-11-18T15-24-39.768473.parquet

• harness_hendrycksTest_astronomy_5

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：**/details_harness|hendrycksTest-astronomy|5_2023-11-18T15-24-39.768473.parquet

• harness_hendrycksTest_business_ethics_5

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：**/details_harness|hendrycksTest-business_ethics|5_2023-11-18T15-24-39.768473.parquet

• harness_hendrycksTest_clinical_knowledge_5

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：**/details_harness|hendrycksTest-clinical_knowledge|5_2023-11-18T15-24-39.768473.parquet

• harness_hendrycksTest_college_biology_5

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：**/details_harness|hendrycksTest-college_biology|5_2023-11-18T15-24-39.768473.parquet

• harness_hendrycksTest_college_chemistry_5

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：**/details_harness|hendrycksTest-college_chemistry|5_2023-11-18T15-24-39.768473.parquet

• harness_hendrycksTest_college_computer_science_5

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：**/details_harness|hendrycksTest-college_computer_science|5_2023-11-18T15-24-39.768473.parquet

• harness_hendrycksTest_college_mathematics_5

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：**/details_harness|hendrycksTest-college_mathematics|5_2023-11-18T15-24-39.768473.parquet

• harness_hendrycksTest_college_medicine_5

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：**/details_harness|hendrycksTest-college_medicine|5_2023-11-18T15-24-39.768473.parquet

• harness_hendrycksTest_college_physics_5

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：**/details_harness|hendrycksTest-college_physics|5_2023-11-18T15-24-39.768473.parquet

• harness_hendrycksTest_computer_security_5

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：**/details_harness|hendrycksTest-computer_security|5_2023-11-18T15-24-39.768473.parquet

• harness_hendrycksTest_conceptual_physics_5

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：**/details_harness|hendrycksTest-conceptual_physics|5_2023-11-18T15-24-39.768473.parquet

• harness_hendrycksTest_econometrics_5

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：**/details_harness|hendrycksTest-econometrics|5_2023-11-18T15-24-39.768473.parquet

• harness_hendrycksTest_electrical_engineering_5

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：**/details_harness|hendrycksTest-electrical_engineering|5_2023-11-18T15-24-39.768473.parquet

• harness_hendrycksTest_elementary_mathematics_5

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：**/details_harness|hendrycksTest-elementary_mathematics|5_2023-11-18T15-24-39.768473.parquet

• harness_hendrycksTest_formal_logic_5

  • 分片：2023_11_18T15_24_39.768473, latest
  • 路径：**/details_harness|hendrycksTest-formal_logic|5_2023-11-18T15-24-39.768473.parquet

以上是数据集的详细概述，包括数据集的创建背景、结构、加载示例以及各个配置的详细信息。