open-llm-leaderboard-old/details_zarakiquemparte__zaraxls-l2-7b

该数据集是在Open LLM Leaderboard上对模型zarakiquemparte/zaraxls-l2-7b进行评估时自动生成的。数据集包含64个配置，每个配置对应一个被评估的任务。数据集由2次运行的数据组成，每次运行在每种配置中作为一个特定的分割，分割名称由运行的时间戳命名。train分割始终指向最新的结果。此外，还有一个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。README还提供了一个使用Hugging Face datasets库加载运行细节的示例。

原始信息汇总

数据集概述

该数据集是在对模型 zarakiquemparte/zaraxls-l2-7b 进行评估运行期间自动创建的。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。

数据集结构

数据集包含以下配置：

• harness_arc_challenge_25
• harness_drop_3
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5
• harness_hendrycksTest_abstract_algebra_5
• harness_hendrycksTest_anatomy_5
• harness_hendrycksTest_astronomy_5
• harness_hendrycksTest_business_ethics_5
• harness_hendrycksTest_clinical_knowledge_5
• harness_hendrycksTest_college_biology_5
• harness_hendrycksTest_college_chemistry_5
• harness_hendrycksTest_college_computer_science_5
• harness_hendrycksTest_college_mathematics_5
• harness_hendrycksTest_college_medicine_5
• harness_hendrycksTest_college_physics_5
• harness_hendrycksTest_computer_security_5
• harness_hendrycksTest_conceptual_physics_5
• harness_hendrycksTest_econometrics_5
• harness_hendrycksTest_electrical_engineering_5
• harness_hendrycksTest_elementary_mathematics_5

每个配置包含多个分割，包括特定时间戳的分割和最新的分割。

最新结果

以下是 2023-09-18T09:59:01.594012 运行的最新结果：

python { "all": { "em": 0.2003984899328859, "em_stderr": 0.0040994319015717805, "f1": 0.3159343540268478, "f1_stderr": 0.004169444956344296, "acc": 0.36696200812243857, "acc_stderr": 0.006882749087214294 }, "harness|drop|3": { "em": 0.2003984899328859, "em_stderr": 0.0040994319015717805, "f1": 0.3159343540268478, "f1_stderr": 0.004169444956344296 }, "harness|gsm8k|5": { "acc": 0.002274450341167551, "acc_stderr": 0.0013121578148673923 }, "harness|winogrande|5": { "acc": 0.7316495659037096, "acc_stderr": 0.012453340359561195 } }