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

该数据集是在模型DiscoResearch/DiscoLM-70b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分割始终指向最新的结果。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Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集简介

该数据集是在模型DiscoResearch/DiscoLM-70b的评估运行期间自动创建的，用于Open LLM Leaderboard。

数据集结构

• 配置数量：63个配置，每个配置对应一个评估任务。
• 创建来源：从1次运行中创建。每个运行可以在每个配置中找到一个特定的分割，分割名称使用运行的时间戳。
• 训练分割："train"分割始终指向最新的结果。
• 结果配置：一个额外的"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。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_DiscoResearch__DiscoLM-70b", "harness_winogrande_5", split="train")

最新结果

以下是2023-12-05T09:06:38.645783运行的最新结果：

python { "all": { "acc": 0.6867356803337994, "acc_stderr": 0.030796614406114163, "acc_norm": 0.6887936208915021, "acc_norm_stderr": 0.03141252742960891, "mc1": 0.41615667074663404, "mc1_stderr": 0.017255657502903043, "mc2": 0.576426250198526, "mc2_stderr": 0.015041628962992867 }, "harness|arc:challenge|25": { "acc": 0.6527303754266212, "acc_stderr": 0.013913034529620453, "acc_norm": 0.6877133105802048, "acc_norm_stderr": 0.013542598541688065 }, "harness|hellaswag|10": { "acc": 0.6768571997610038, "acc_stderr": 0.004667209383690245, "acc_norm": 0.8609838677554272, "acc_norm_stderr": 0.0034525630964691296 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2023_12_05T09_06_38.645783, latest
  • 路径：**/details_harness|arc:challenge|25_2023-12-05T09-06-38.645783.parquet

• harness_gsm8k_5

  • 分割：2023_12_05T09_06_38.645783, latest
  • 路径：**/details_harness|gsm8k|5_2023-12-05T09-06-38.645783.parquet

• harness_hellaswag_10

  • 分割：2023_12_05T09_06_38.645783, latest
  • 路径：**/details_harness|hellaswag|10_2023-12-05T09-06-38.645783.parquet

• harness_hendrycksTest_5

  • 分割：2023_12_05T09_06_38.645783, latest
  • 路径：多个路径，包括**/details_harness|hendrycksTest-abstract_algebra|5_2023-12-05T09-06-38.645783.parquet等。