open-llm-leaderboard/details_NousResearch__Capybara-7B

该数据集是在模型`NousResearch/Capybara-7B`的评估过程中自动生成的，用于在Open LLM Leaderboard上进行评估。数据集包含64个配置，每个配置对应一个评估任务。数据集由2次运行生成，每次运行的结果存储为特定的split，split的名称使用运行的时间戳。`train` split始终指向最新的结果。此外，数据集还包含一个`results`配置，用于存储所有运行的聚合结果，并用于计算和展示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

该数据集是在评估模型 NousResearch/Capybara-7B 在 Open LLM Leaderboard 上的运行过程中自动创建的。

数据集组成

数据集由64个配置组成，每个配置对应一个评估任务。数据集从2次运行中创建，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。

结果汇总

一个额外的配置 "results" 存储所有运行的汇总结果，用于计算和显示在 Open LLM Leaderboard 上的聚合指标。

最新结果

以下是 2023-10-29T02:30:32.781976 运行的最新结果：

python { "all": { "em": 0.2792575503355705, "em_stderr": 0.004594435554175769, "f1": 0.33824874161073976, "f1_stderr": 0.004551451269813922, "acc": 0.4015045121001835, "acc_stderr": 0.009699659493944818 }, "harness|drop|3": { "em": 0.2792575503355705, "em_stderr": 0.004594435554175769, "f1": 0.33824874161073976, "f1_stderr": 0.004551451269813922 }, "harness|gsm8k|5": { "acc": 0.06899166034874905, "acc_stderr": 0.006980995834838586 }, "harness|winogrande|5": { "acc": 0.734017363851618, "acc_stderr": 0.012418323153051051 } }

数据加载示例

要加载某个运行的详细信息，可以使用以下代码：

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_NousResearch__Capybara-7B", "harness_winogrande_5", split="train")

配置详情

数据集包含多个配置，每个配置对应不同的任务和运行时间戳。以下是部分配置的示例：

• harness_arc_challenge_25

  • 分割：2023_10_03T15_11_52.026776
  • 路径：**/details_harness|arc:challenge|25_2023-10-03T15-11-52.026776.parquet
  • 分割：latest
  • 路径：**/details_harness|arc:challenge|25_2023-10-03T15-11-52.026776.parquet

• harness_drop_3

  • 分割：2023_10_29T02_30_32.781976
  • 路径：**/details_harness|drop|3_2023-10-29T02-30-32.781976.parquet
  • 分割：latest
  • 路径：**/details_harness|drop|3_2023-10-29T02-30-32.781976.parquet

• harness_gsm8k_5

  • 分割：2023_10_29T02_30_32.781976
  • 路径：**/details_harness|gsm8k|5_2023-10-29T02-30-32.781976.parquet
  • 分割：latest
  • 路径：**/details_harness|gsm8k|5_2023-10-29T02-30-32.781976.parquet

• harness_hellaswag_10

  • 分割：2023_10_03T15_11_52.026776
  • 路径：**/details_harness|hellaswag|10_2023-10-03T15-11-52.026776.parquet
  • 分割：latest
  • 路径：**/details_harness|hellaswag|10_2023-10-03T15-11-52.026776.parquet

• harness_hendrycksTest_5

  • 分割：2023_10_03T15_11_52.026776
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-10-03T15-11-52.026776.parquet
  • 分割：latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-10-03T15-11-52.026776.parquet