open-llm-leaderboard-old/details_minlik__chinese-alpaca-33b-merged

该数据集是在Open LLM Leaderboard上对模型minlik/chinese-alpaca-33b-merged进行评估时自动创建的。数据集由64个配置组成，每个配置对应一个评估任务。数据集由2次运行生成，每次运行的结果作为特定配置中的一个split，split以运行的时间戳命名。train split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

数据集名为 "Evaluation run of minlik/chinese-alpaca-33b-merged"，是在评估模型 minlik/chinese-alpaca-33b-merged 在 Open LLM Leaderboard 上的运行过程中自动创建的。

数据集组成

数据集包含 64 个配置，每个配置对应一个评估任务。数据集从 2 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" 分割始终指向最新的结果。

额外配置

一个额外的配置 "results" 存储了所有运行结果的聚合，用于计算和显示在 Open LLM Leaderboard 上的聚合指标。

加载数据示例

以下是加载特定运行详细信息的示例代码：

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_minlik__chinese-alpaca-33b-merged", "harness_winogrande_5", split="train")

最新结果

以下是 最新结果来自 run 2023-09-23T18:26:45.770833 的示例：

python { "all": { "em": 0.34375, "em_stderr": 0.004864023482291936, "f1": 0.39666317114094085, "f1_stderr": 0.00476283705283174, "acc": 0.4206081596579169, "acc_stderr": 0.00973840020904149 }, "harness|drop|3": { "em": 0.34375, "em_stderr": 0.004864023482291936, "f1": 0.39666317114094085, "f1_stderr": 0.00476283705283174 }, "harness|gsm8k|5": { "acc": 0.0803639120545868, "acc_stderr": 0.007488258573239077 }, "harness|winogrande|5": { "acc": 0.760852407261247, "acc_stderr": 0.011988541844843902 } }

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路径。以下是部分配置示例：

• config_name: harness_arc_challenge_25

  • data_files:
    • split: 2023_08_18T14_44_03.944390
      • path: **/details_harness|arc:challenge|25_2023-08-18T14:44:03.944390.parquet
    • split: latest
      • path: **/details_harness|arc:challenge|25_2023-08-18T14:44:03.944390.parquet

• config_name: harness_drop_3

  • data_files:
    • split: 2023_09_23T18_26_45.770833
      • path: **/details_harness|drop|3_2023-09-23T18-26-45.770833.parquet
    • split: latest
      • path: **/details_harness|drop|3_2023-09-23T18-26-45.770833.parquet

• config_name: harness_gsm8k_5

  • data_files:
    • split: 2023_09_23T18_26_45.770833
      • path: **/details_harness|gsm8k|5_2023-09-23T18-26-45.770833.parquet
    • split: latest
      • path: **/details_harness|gsm8k|5_2023-09-23T18-26-45.770833.parquet

• config_name: harness_hellaswag_10

  • data_files:
    • split: 2023_08_18T14_44_03.944390
      • path: **/details_harness|hellaswag|10_2023-08-18T14:44:03.944390.parquet
    • split: latest
      • path: **/details_harness|hellaswag|10_2023-08-18T14:44:03.944390.parquet

• config_name: harness_hendrycksTest_5

  • data_files:
    • split: 2023_08_18T14_44_03.944390
      • path:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2023-08-18T14:44:03.944390.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2023-08-18T14:44:03.944390.parquet
        • ...
    • split: latest
      • path:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2023-08-18T14:44:03.944390.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2023-08-18T14:44:03.944390.parquet
        • ...