open-llm-leaderboard/details_psmathur__model_007_13b

该数据集是在模型 psmathur/model_007_13b 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集由 61 个配置组成，每个配置对应一个评估任务。数据集包含 2 次运行的数据，每次运行在每个配置中表示为特定的分割。train 分割始终指向最新的结果。此外，名为 results 的配置存储了所有运行的聚合结果，这些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 `datasets` 库中的 `load_dataset` 函数加载数据集的示例。

原始信息汇总

数据集概述

数据集简介

该数据集是在对模型 psmathur/model_007_13b 进行评估运行期间自动创建的，用于 Open LLM Leaderboard 上的评估。

数据集结构

• 配置数量：61个配置，每个配置对应一个评估任务。
• 运行次数：数据集从2次运行中创建。每个运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳。
• 最新结果："train" 分割总是指向最新的结果。
• 聚合结果：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_psmathur__model_007_13b", "harness_truthfulqa_mc_0", split="train")

最新结果

以下是 2023-08-11T11:34:56.294632 运行的最新结果：

python { "all": { "acc": 0.2314240573187148, "acc_stderr": 0.03071122006512167, "acc_norm": 0.2314240573187148, "acc_norm_stderr": 0.03071122006512167, "mc1": 1.0, "mc1_stderr": 0.0, "mc2": NaN, "mc2_stderr": NaN }, "harness|arc:challenge|25": { "acc": 0.22696245733788395, "acc_stderr": 0.012240491536132861, "acc_norm": 0.22696245733788395, "acc_norm_stderr": 0.012240491536132861 }, "harness|hellaswag|10": { "acc": 0.2504481179047998, "acc_stderr": 0.004323856300539177, "acc_norm": 0.2504481179047998, "acc_norm_stderr": 0.004323856300539177 }, ... }

配置详情

• 配置名称：harness_arc_challenge_25

  • 分割：
    • 2023_08_09T13_37_17.110700
    • 2023_08_11T11_34_56.294632
    • latest
  • 路径：
    • **/details_harness|arc:challenge|25_2023-08-09T13:37:17.110700.parquet
    • **/details_harness|arc:challenge|25_2023-08-11T11:34:56.294632.parquet

• 配置名称：harness_hellaswag_10

  • 分割：
    • 2023_08_09T13_37_17.110700
    • 2023_08_11T11_34_56.294632
    • latest
  • 路径：
    • **/details_harness|hellaswag|10_2023-08-09T13:37:17.110700.parquet
    • **/details_harness|hellaswag|10_2023-08-11T11:34:56.294632.parquet

• 配置名称：harness_hendrycksTest_5

  • 分割：
    • 2023_08_09T13_37_17.110700
  • 路径：
    • **/details_harness|hendrycksTest-abstract_algebra|5_2023-08-09T13:37:17.110700.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2023-08-09T13:37:17.110700.parquet
    • **/details_harness|hendrycksTest-astronomy|5_2023-08-09T13:37:17.110700.parquet
    • ...