open-llm-leaderboard-old/details_BarraHome__LLaMarada-7B-v0.1-16bit

该数据集是在模型BarraHome/LLaMarada-7B-v0.1-16bit的评估运行期间自动创建的，用于在Open LLM Leaderboard上进行评估。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，并用于计算和显示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集创建

• 创建背景：该数据集是在对模型 BarraHome/LLaMarada-7B-v0.1-16bit 进行评估时自动创建的。
• 评估平台：数据集的创建基于 Open LLM Leaderboard。

数据集结构

• 配置数量：数据集包含 63 个配置，每个配置对应一个评估任务。
• 数据来源：数据集由 1 次运行生成，每个运行的详细结果存储在特定的分割中，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。
• 结果汇总：一个额外的配置 "results" 存储所有运行的汇总结果，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_BarraHome__LLaMarada-7B-v0.1-16bit", "harness_winogrande_5", split="train")

最新结果

• 最新结果时间戳：2024-02-21T04:08:48.061083
• 结果示例： python { "all": { "acc": 0.40037501295309713, "acc_stderr": 0.0340545031345763, "acc_norm": 0.40523725336590083, "acc_norm_stderr": 0.03486145533193288, "mc1": 0.22888616891064872, "mc1_stderr": 0.014706994909055027, "mc2": 0.3713093326467247, "mc2_stderr": 0.013334641945482336 }, "harness|arc:challenge|25": { "acc": 0.4786689419795222, "acc_stderr": 0.014598087973127106, "acc_norm": 0.5332764505119454, "acc_norm_stderr": 0.01457899585960581 }, "harness|hellaswag|10": { "acc": 0.5493925512846046, "acc_stderr": 0.004965375341643133, "acc_norm": 0.7602071300537742, "acc_norm_stderr": 0.004260843849128677 }, # 其他任务的结果... }

配置详情

• 配置名称：harness_arc_challenge_25

  • 数据文件：
    • 分割：2024_02_21T04_08_48.061083
      • 路径：**/details_harness|arc:challenge|25_2024-02-21T04-08-48.061083.parquet
    • 分割：latest
      • 路径：**/details_harness|arc:challenge|25_2024-02-21T04-08-48.061083.parquet

• 配置名称：harness_gsm8k_5

  • 数据文件：
    • 分割：2024_02_21T04_08_48.061083
      • 路径：**/details_harness|gsm8k|5_2024-02-21T04-08-48.061083.parquet
    • 分割：latest
      • 路径：**/details_harness|gsm8k|5_2024-02-21T04-08-48.061083.parquet

• 配置名称：harness_hellaswag_10

  • 数据文件：
    • 分割：2024_02_21T04_08_48.061083
      • 路径：**/details_harness|hellaswag|10_2024-02-21T04-08-48.061083.parquet
    • 分割：latest
      • 路径：**/details_harness|hellaswag|10_2024-02-21T04-08-48.061083.parquet

• 配置名称：harness_hendrycksTest_5

  • 数据文件：
    • 分割：2024_02_21T04_08_48.061083
      • 路径：
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-21T04-08-48.061083.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-02-21T04-08-48.061083.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-02-21T04-08-48.061083.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-02-21T04-08-48.061083.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-02-21T04-08-48.061083.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-02-21T04-08-48.061083.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-02-21T04-08-48.061083.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-02-21T04-08-48.061083.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-02-21T04-08-48.061083.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-02-21T04-08-48.061083.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-02-21T04-08-48.061083.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-02-21T04-08-48.061083.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-02-21T04-08-48.061083.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-02-21T04-08-48.061083.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-02-21T04-08-48.061083.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-02-21T04-08-48.061083.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2024-02-21T04-08-48.061083.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2024-02-21T04-08-48.061083.parquet
        • 其他任务的路径...