five

open-llm-leaderboard-old/details_ValiantLabs__Esper-70b

收藏
Hugging Face2024-03-15 更新2024-06-22 收录
下载链接:
https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_ValiantLabs__Esper-70b
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集是在模型ValiantLabs/Esper-70b的评估运行期间自动创建的,主要用于Open LLM Leaderboard的评估。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,每次运行的结果可以在每个配置的特定分割中找到,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。

该数据集是在模型ValiantLabs/Esper-70b的评估运行期间自动创建的,主要用于Open LLM Leaderboard的评估。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,每次运行的结果可以在每个配置的特定分割中找到,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。
提供机构:
open-llm-leaderboard-old
原始信息汇总

数据集概述

数据集摘要

该数据集是在对模型 ValiantLabs/Esper-70b 进行评估运行期间自动创建的,用于 Open LLM Leaderboard

数据集组成

  • 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。
  • 额外的 "results" 配置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。

最新结果

以下是 2024-03-15T10:12:58.393533 运行的最新结果

python { "all": { "acc": 0.5598497316876694, "acc_stderr": 0.034162766283638, "acc_norm": 0.5628921495292818, "acc_norm_stderr": 0.03486354447067593, "mc1": 0.31701346389228885, "mc1_stderr": 0.016289203374403392, "mc2": 0.4598011127457919, "mc2_stderr": 0.015071082364048416 }, "harness|arc:challenge|25": { "acc": 0.5196245733788396, "acc_stderr": 0.014600132075947094, "acc_norm": 0.5648464163822525, "acc_norm_stderr": 0.014487986197186047 }, "harness|hellaswag|10": { "acc": 0.582055367456682, "acc_stderr": 0.0049221295689195815, "acc_norm": 0.7772356104361681, "acc_norm_stderr": 0.004152510556342204 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.37, "acc_stderr": 0.04852365870939098, "acc_norm": 0.37, "acc_norm_stderr": 0.04852365870939098 }, # 其他任务的结果... }

配置详情

  • config_name: harness_arc_challenge_25

    • split: 2024_03_15T10_12_58.393533
      • path: **/details_harness|arc:challenge|25_2024-03-15T10-12-58.393533.parquet
    • split: latest
      • path: **/details_harness|arc:challenge|25_2024-03-15T10-12-58.393533.parquet
  • config_name: harness_gsm8k_5

    • split: 2024_03_15T10_12_58.393533
      • path: **/details_harness|gsm8k|5_2024-03-15T10-12-58.393533.parquet
    • split: latest
      • path: **/details_harness|gsm8k|5_2024-03-15T10-12-58.393533.parquet
  • config_name: harness_hellaswag_10

    • split: 2024_03_15T10_12_58.393533
      • path: **/details_harness|hellaswag|10_2024-03-15T10-12-58.393533.parquet
    • split: latest
      • path: **/details_harness|hellaswag|10_2024-03-15T10-12-58.393533.parquet
  • config_name: harness_hendrycksTest_5

    • split: 2024_03_15T10_12_58.393533
      • path:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-15T10-12-58.393533.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-03-15T10-12-58.393533.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-03-15T10-12-58.393533.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-03-15T10-12-58.393533.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-03-15T10-12-58.393533.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-03-15T10-12-58.393533.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-03-15T10-12-58.393533.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-03-15T10-12-58.393533.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-03-15T10-12-58.393533.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-03-15T10-12-58.393533.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-03-15T10-12-58.393533.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-03-15T10-12-58.393533.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-03-15T10-12-58.393533.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-03-15T10-12-58.393533.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-03-15T10-12-58.393533.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-03-15T10-12-58.393533.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2024-03-15T10-12-58.393533.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2024-03-15T10-12-58.393533.parquet
        • **/details_harness|hendrycksTest-high_school_biology|5_2024-03-15T10-12-58.393533.parquet

        其他路径...

5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作