open-llm-leaderboard/details_CHIH-HUNG__llama-2-13b-huangyt_FINETUNE2_3w

该数据集是在Open LLM Leaderboard上对模型CHIH-HUNG/llama-2-13b-huangyt_FINETUNE2_3w进行评估时自动生成的。数据集包含64个配置，每个配置对应一个评估任务。数据集由2次运行生成，每次运行在每个配置中表示为特定的分割，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，还有一个名为results的配置，存储了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。README还提供了如何使用Python代码加载运行细节的示例，并包含了特定运行的最新结果。

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 CHIH-HUNG/llama-2-13b-huangyt_FINETUNE2_3w 在 Open LLM Leaderboard 上的运行过程中自动创建的。

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。
• 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_CHIH-HUNG__llama-2-13b-huangyt_FINETUNE2_3w", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-16T18:08:49.562791 运行的最新结果： python { "all": { "em": 0.19316275167785235, "em_stderr": 0.004042912227684817, "f1": 0.2405106963087243, "f1_stderr": 0.004012764038516629, "acc": 0.44387175953656505, "acc_stderr": 0.010404181547690496 }, "harness|drop|3": { "em": 0.19316275167785235, "em_stderr": 0.004042912227684817, "f1": 0.2405106963087243, "f1_stderr": 0.004012764038516629 }, "harness|gsm8k|5": { "acc": 0.1197877179681577, "acc_stderr": 0.008944213403553045 }, "harness|winogrande|5": { "acc": 0.7679558011049724, "acc_stderr": 0.011864149691827948 } }

配置详情

• harness_arc_challenge_25

  • 分割：2023_09_01T02_00_37.235761, latest
  • 路径：**/details_harness|arc:challenge|25_2023-09-01T02:00:37.235761.parquet

• harness_drop_3

  • 分割：2023_10_16T18_08_49.562791, latest
  • 路径：**/details_harness|drop|3_2023-10-16T18-08-49.562791.parquet

• harness_gsm8k_5

  • 分割：2023_10_16T18_08_49.562791, latest
  • 路径：**/details_harness|gsm8k|5_2023-10-16T18-08-49.562791.parquet

• harness_hellaswag_10

  • 分割：2023_09_01T02_00_37.235761, latest
  • 路径：**/details_harness|hellaswag|10_2023-09-01T02:00:37.235761.parquet

• harness_hendrycksTest_5

  • 分割：2023_09_01T02_00_37.235761, latest
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-09-01T02:00:37.235761.parquet

• harness_hendrycksTest_abstract_algebra_5

  • 分割：2023_09_01T02_00_37.235761, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-09-01T02:00:37.235761.parquet

• harness_hendrycksTest_anatomy_5

  • 分割：2023_09_01T02_00_37.235761, latest
  • 路径：**/details_harness|hendrycksTest-anatomy|5_2023-09-01T02:00:37.235761.parquet

• harness_hendrycksTest_astronomy_5

  • 分割：2023_09_01T02_00_37.235761, latest
  • 路径：**/details_harness|hendrycksTest-astronomy|5_2023-09-01T02:00:37.235761.parquet

• harness_hendrycksTest_business_ethics_5

  • 分割：2023_09_01T02_00_37.235761, latest
  • 路径：**/details_harness|hendrycksTest-business_ethics|5_2023-09-01T02:00:37.235761.parquet

• harness_hendrycksTest_clinical_knowledge_5

  • 分割：2023_09_01T02_00_37.235761, latest
  • 路径：**/details_harness|hendrycksTest-clinical_knowledge|5_2023-09-01T02:00:37.235761.parquet

• harness_hendrycksTest_college_biology_5

  • 分割：2023_09_01T02_00_37.235761, latest
  • 路径：**/details_harness|hendrycksTest-college_biology|5_2023-09-01T02:00:37.235761.parquet

• harness_hendrycksTest_college_chemistry_5

  • 分割：2023_09_01T02_00_37.235761, latest
  • 路径：**/details_harness|hendrycksTest-college_chemistry|5_2023-09-01T02:00:37.235761.parquet

• harness_hendrycksTest_college_computer_science_5

  • 分割：2023_09_01T02_00_37.235761, latest
  • 路径：**/details_harness|hendrycksTest-college_computer_science|5_2023-09-01T02:00:37.235761.parquet

• harness_hendrycksTest_college_mathematics_5

  • 分割：2023_09_01T02_00_37.235761, latest
  • 路径：**/details_harness|hendrycksTest-college_mathematics|5_2023-09-01T02:00:37.235761.parquet

• harness_hendrycksTest_college_medicine_5

  • 分割：2023_09_01T02_00_37.235761, latest
  • 路径：**/details_harness|hendrycksTest-college_medicine|5_2023-09-01T02:00:37.235761.parquet

• harness_hendrycksTest_college_physics_5

  • 分割：2023_09_01T02_00_37.235761, latest
  • 路径：**/details_harness|hendrycksTest-college_physics|5_2023-09-01T02:00:37.235761.parquet

• harness_hendrycksTest_computer_security_5

  • 分割：2023_09_01T02_00_37.235761, latest
  • 路径：**/details_harness|hendrycksTest-computer_security|5_2023-09-01T02:00:37.235761.parquet

• harness_hendrycksTest_conceptual_physics_5

  • 分割：2023_09_01T02_00_37.235761, latest
  • 路径：**/details_harness|hendrycksTest-conceptual_physics|5_2023-09-01T02:00:37.235761.parquet

• harness_hendrycksTest_econometrics_5

  • 分割：2023_09_01T02_00_37.235761, latest
  • 路径：**/details_harness|hendrycksTest-econometrics|5_2023-09-01T02:00:37.235761.parquet

• harness_hendrycksTest_electrical_engineering_5

  • 分割：2023_09_01T02_00_37.235761, latest
  • 路径：**/details_harness|hendrycksTest-electrical_engineering|5_2023-09-01T02:00:37.235761.parquet

• harness_hendrycksTest_elementary_mathematics_5

  • 分割：2023_09_01T02_00_37.235761, latest
  • 路径：**/details_harness|hendrycksTest-elementary_mathematics|5_2023-09-01T02:00:37.235761.parquet

以上是数据集的详细概述，包括数据集的来源、结构、加载示例、最新结果以及各个配置的详细信息。