open-llm-leaderboard-old/details_nlpguy__AlloyIngotNeo

该数据集是在Open LLM Leaderboard上对模型nlpguy/AlloyIngotNeo进行评估时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集从1次运行中创建，每次运行都可以在特定配置中找到，分割以运行的时间戳命名。train分割始终指向最新结果。此外，results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。

原始信息汇总

数据集概述

该数据集是在对模型 nlpguy/AlloyIngotNeo 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。数据集包含 63 个配置，每个配置对应一个评估任务。数据集从 1 次运行中创建，每个运行可以在每个配置中作为一个特定的分片找到，分片名称使用运行的时间戳。"train" 分片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_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个数据文件，分为不同的分片，例如 2024_02_13T14_49_47.237954 和 latest。

最新结果

以下是 最新结果 的摘要：

python { "all": { "acc": 0.652203561260724, "acc_stderr": 0.03198137273405764, "acc_norm": 0.6515967475168507, "acc_norm_stderr": 0.03264850422564272, "mc1": 0.6107711138310894, "mc1_stderr": 0.017068552680690338, "mc2": 0.7594522057332478, "mc2_stderr": 0.014122524206259661 }, "harness|arc:challenge|25": { "acc": 0.7073378839590444, "acc_stderr": 0.013295916103619422, "acc_norm": 0.7286689419795221, "acc_norm_stderr": 0.012993807727545796 }, "harness|hellaswag|10": { "acc": 0.7140011949810795, "acc_stderr": 0.004509652679395677, "acc_norm": 0.8898625771758614, "acc_norm_stderr": 0.00312421161719886 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.31, "acc_stderr": 0.04648231987117316, "acc_norm": 0.31, "acc_norm_stderr": 0.04648231987117316 }, # 其他任务的结果... }

数据加载示例

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