open-llm-leaderboard-old/details_uukuguy__Orca-2-13b-f16

该数据集是在Open LLM Leaderboard上对模型uukuguy/Orca-2-13b-f16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分割始终指向最新结果。此外，results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

数据集来源

该数据集是在对模型 uukuguy/Orca-2-13b-f16 进行评估运行期间自动创建的，评估结果展示在 Open LLM Leaderboard 上。

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。
• 运行次数：数据集来自1次运行，每个运行结果作为一个特定的分割存储，分割名称使用运行的时间戳。
• 训练分割："train" 分割始终指向最新的结果。
• 结果配置：一个额外的 "results" 配置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_uukuguy__Orca-2-13b-f16", "harness_winogrande_5", split="train")

最新结果

以下是 2023-12-04T16:43:12.398370 运行的最新结果：

python { "all": { "acc": 0.6024963144778468, "acc_stderr": 0.03292700891541927, "acc_norm": 0.6070525664063983, "acc_norm_stderr": 0.03359636787928049, "mc1": 0.401468788249694, "mc1_stderr": 0.017160273901693654, "mc2": 0.5641081747684346, "mc2_stderr": 0.015927666604862285 }, "harness|arc:challenge|25": { "acc": 0.5733788395904437, "acc_stderr": 0.014453185592920293, "acc_norm": 0.606655290102389, "acc_norm_stderr": 0.014275101465693024 }, "harness|hellaswag|10": { "acc": 0.6115315674168492, "acc_stderr": 0.004864058877626273, "acc_norm": 0.7981477793268273, "acc_norm_stderr": 0.004005621755121483 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割：2023_12_04T16_43_12.398370, latest
  • 路径：**/details_harness|arc:challenge|25_2023-12-04T16-43-12.398370.parquet

• harness_gsm8k_5

  • 分割：2023_12_04T16_43_12.398370, latest
  • 路径：**/details_harness|gsm8k|5_2023-12-04T16-43-12.398370.parquet

• harness_hellaswag_10

  • 分割：2023_12_04T16_43_12.398370, latest
  • 路径：**/details_harness|hellaswag|10_2023-12-04T16-43-12.398370.parquet

• harness_hendrycksTest_5

  • 分割：2023_12_04T16_43_12.398370, latest
  • 路径：多个路径，包括 **/details_harness|hendrycksTest-abstract_algebra|5_2023-12-04T16-43-12.398370.parquet 等。