open-llm-leaderboard-old/details_shadowml__BeagSake-7B

该数据集是在Open LLM Leaderboard上对模型shadowml/BeagSake-7B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，每次运行可以在每个配置中找到，分割以运行的时间戳命名。train分割始终指向最新的结果。此外，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。

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 shadowml/BeagSake-7B 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：63个配置，每个配置对应一个评估任务。
• 创建来源：从1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" 分割始终指向最新的结果。
• 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 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_shadowml__BeagSake-7B", "harness_winogrande_5", split="train")

最新结果

以下是 2024-02-02T02:17:55.720311 运行的最新结果：

python { "all": { "acc": 0.6578211772363932, "acc_stderr": 0.031956725676144875, "acc_norm": 0.6574768410421444, "acc_norm_stderr": 0.0326189871206691, "mc1": 0.572827417380661, "mc1_stderr": 0.01731683441096392, "mc2": 0.7227123192569592, "mc2_stderr": 0.01451322669078661 }, "harness|arc:challenge|25": { "acc": 0.7005119453924915, "acc_stderr": 0.013385021637313572, "acc_norm": 0.7244027303754266, "acc_norm_stderr": 0.01305716965576184 }, "harness|hellaswag|10": { "acc": 0.704142601075483, "acc_stderr": 0.0045549440206204845, "acc_norm": 0.8838876717785302, "acc_norm_stderr": 0.0031970484760036424 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.35, "acc_stderr": 0.0479372485441102, "acc_norm": 0.35, "acc_norm_stderr": 0.0479372485441102 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_02_02T02_17_55.720311, latest
  • 路径：**/details_harness|arc:challenge|25_2024-02-02T02-17-55.720311.parquet

• harness_gsm8k_5

  • 分割：2024_02_02T02_17_55.720311, latest
  • 路径：**/details_harness|gsm8k|5_2024-02-02T02-17-55.720311.parquet

• harness_hellaswag_10

  • 分割：2024_02_02T02_17_55.720311, latest
  • 路径：**/details_harness|hellaswag|10_2024-02-02T02-17-55.720311.parquet

• harness_hendrycksTest_5

  • 分割：2024_02_02T02_17_55.720311, latest
  • 路径：多个路径，包括 **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-02T02-17-55.720311.parquet 等。

以上内容是对数据集详情页面的README文件内容的总结，确保了信息的准确性和易于理解。