open-llm-leaderboard/details_openbmb__Eurus-RM-7b

该数据集是在Open LLM Leaderboard上对openbmb/Eurus-RM-7b模型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次运行生成，每次运行的结果存储为特定配置中的一个分割，分割名称使用运行的时间戳。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，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 openbmb/Eurus-RM-7b 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，每个运行的详细信息可以在每个配置中找到，使用运行的时间戳作为分割名称。"train" 分割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

每个配置包含多个分割，例如：

• 2024_04_09T06_50_00.788799
• latest

每个分割包含多个数据文件路径，例如：

• **/details_harness|arc:challenge|25_2024-04-09T06-50-00.788799.parquet

最新结果

以下是 2024-04-09T06:50:00.788799 运行的最新结果：

python { "all": { "acc": 0.2539903952511765, "acc_stderr": 0.03098008602736365, "acc_norm": 0.25551266190257, "acc_norm_stderr": 0.03181160531793125, "mc1": 0.2350061199510404, "mc1_stderr": 0.014843061507731611, "mc2": NaN, "mc2_stderr": NaN }, "harness|arc:challenge|25": { "acc": 0.22098976109215018, "acc_stderr": 0.012124929206818258, "acc_norm": 0.27474402730375425, "acc_norm_stderr": 0.013044617212771227 }, "harness|hellaswag|10": { "acc": 0.27066321449910374, "acc_stderr": 0.004433943894764252, "acc_norm": 0.3196574387572197, "acc_norm_stderr": 0.004653907471785631 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.25, "acc_stderr": 0.04351941398892446, "acc_norm": 0.25, "acc_norm_stderr": 0.04351941398892446 }, # 其他任务的结果... }

数据加载示例

以下是加载数据集的示例代码：

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_openbmb__Eurus-RM-7b", "harness_winogrande_5", split="train")