open-llm-leaderboard/details_NousResearch__Nous-Hermes-13b

该数据集是在Open LLM Leaderboard上对模型NousResearch/Nous-Hermes-13b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。数据集是从2次运行中创建的，每次运行在每个配置中表示为特定的分割。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，这些结果用于计算和显示Open LLM Leaderboard上的聚合指标。README还提供了如何使用`load_dataset`函数加载运行中的详细信息的示例。

原始信息汇总

数据集概述

数据集摘要

该数据集是在评估模型 NousResearch/Nous-Hermes-13b 在 Open LLM Leaderboard 上的运行过程中自动创建的。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。

数据集结构

数据集由多个配置组成，每个配置包含不同的数据文件和分割。以下是部分配置的详细信息：

• harness_arc_challenge_25

  • 分割: 2023_07_18T15_33_41.626742, latest
  • 文件路径: **/details_harness|arc:challenge|25_2023-07-18T15:33:41.626742.parquet

• harness_drop_3

  • 分割: 2023_10_19T04_00_41.897332, latest
  • 文件路径: **/details_harness|drop|3_2023-10-19T04-00-41.897332.parquet

• harness_gsm8k_5

  • 分割: 2023_10_19T04_00_41.897332, latest
  • 文件路径: **/details_harness|gsm8k|5_2023-10-19T04-00-41.897332.parquet

• harness_hellaswag_10

  • 分割: 2023_07_18T15_33_41.626742, latest
  • 文件路径: **/details_harness|hellaswag|10_2023-07-18T15:33:41.626742.parquet

• harness_hendrycksTest_5

  • 分割: 2023_07_18T15_33_41.626742, latest
  • 文件路径: 多个文件，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-07-18T15:33:41.626742.parquet

最新结果

以下是 2023-10-19T04:00:41.897332 运行的最新结果：

python { "all": { "em": 0.2930998322147651, "em_stderr": 0.00466150847986569, "f1": 0.37501048657718355, "f1_stderr": 0.004576570475121802, "acc": 0.41817812997218123, "acc_stderr": 0.009868526609981134 }, "harness|drop|3": { "em": 0.2930998322147651, "em_stderr": 0.00466150847986569, "f1": 0.37501048657718355, "f1_stderr": 0.004576570475121802 }, "harness|gsm8k|5": { "acc": 0.08339651250947688, "acc_stderr": 0.00761565027710669 }, "harness|winogrande|5": { "acc": 0.7529597474348856, "acc_stderr": 0.012121402942855576 } }

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_NousResearch__Nous-Hermes-13b", "harness_winogrande_5", split="train")

以上内容总结了数据集的基本信息、结构、最新结果以及如何加载数据集。