open-llm-leaderboard/details_leonarad__hope_for_7b_1.1v

该数据集是在Open LLM Leaderboard上对模型leonarad/hope_for_7b_1.1v进行评估时自动创建的。数据集包含63个配置，每个配置对应一个评估任务。数据集由1次运行创建，每次运行可以在每个配置中找到特定的分割，分割以运行的时间戳命名。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，并用于计算和显示Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集简介

该数据集是在评估模型 leonarad/hope_for_7b_1.1v 在 Open LLM Leaderboard 上的运行过程中自动创建的。数据集包含 63 个配置，每个配置对应一个评估任务。

数据集结构

数据集由多次运行结果组成，每次运行的详细结果存储在特定的分割（split）中，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 最新结果 的摘要：

python { "all": { "acc": 0.4841050699041462, "acc_stderr": 0.034284140277702393, "acc_norm": 0.48960811159894396, "acc_norm_stderr": 0.035063657630874316, "mc1": 0.24969400244798043, "mc1_stderr": 0.015152286907148128, "mc2": 0.40256954672070655, "mc2_stderr": 0.013944929444627467 }, # 其他任务的结果... }

数据加载示例

要加载特定运行的详细信息，可以使用以下代码：

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_leonarad__hope_for_7b_1.1v", "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数据文件。以下是部分配置的示例：

• 配置名称: harness_arc_challenge_25

  • 数据文件:
    • 分割: 2024_03_14T06_45_09.667523
      • 路径: **/details_harness|arc:challenge|25_2024-03-14T06-45-09.667523.parquet
    • 分割: latest
      • 路径: **/details_harness|arc:challenge|25_2024-03-14T06-45-09.667523.parquet

• 配置名称: harness_gsm8k_5

  • 数据文件:
    • 分割: 2024_03_14T06_45_09.667523
      • 路径: **/details_harness|gsm8k|5_2024-03-14T06-45-09.667523.parquet
    • 分割: latest
      • 路径: **/details_harness|gsm8k|5_2024-03-14T06-45-09.667523.parquet

• 配置名称: harness_hellaswag_10

  • 数据文件:
    • 分割: 2024_03_14T06_45_09.667523
      • 路径: **/details_harness|hellaswag|10_2024-03-14T06-45-09.667523.parquet
    • 分割: latest
      • 路径: **/details_harness|hellaswag|10_2024-03-14T06-45-09.667523.parquet

• 配置名称: harness_hendrycksTest_5

  • 数据文件:
    • 分割: 2024_03_14T06_45_09.667523
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-14T06-45-09.667523.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-03-14T06-45-09.667523.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-03-14T06-45-09.667523.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-03-14T06-45-09.667523.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-03-14T06-45-09.667523.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-03-14T06-45-09.667523.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-03-14T06-45-09.667523.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-03-14T06-45-09.667523.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-03-14T06-45-09.667523.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-03-14T06-45-09.667523.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-03-14T06-45-09.667523.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-03-14T06-45-09.667523.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-03-14T06-45-09.667523.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-03-14T06-45-09.667523.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-03-14T06-45-09.667523.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-03-14T06-45-09.667523.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2024-03-14T06-45-09.667523.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2024-03-14T06-45-09.667523.parquet
        • **/details_harness|hendrycksTest-high_school_biology|5_2024-03-14T06-45-09.667523.parquet