open-llm-leaderboard-old/details_jan-ai__Pandora-13B-v1

该数据集是在评估模型[jan-ai/Pandora-13B-v1](https://huggingface.co/jan-ai/Pandora-13B-v1)时自动创建的，评估是在[Open LLM Leaderboard](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard)上进行的。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中创建的，每次运行都可以在特定配置中找到，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[Open LLM Leaderboard](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard)上的聚合指标。

原始信息汇总

数据集概述

数据集名称

• 名称: Evaluation run of jan-ai/Pandora-13B-v1

数据集来源

• 创建背景: 该数据集是在对模型 jan-ai/Pandora-13B-v1 进行评估运行期间自动创建的。

数据集组成

• 配置数量: 该数据集包含 63 个配置，每个配置对应一个评估任务。
• 创建次数: 数据集从 1 次运行中创建。每个运行在每个配置中作为一个特定的分割存在，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_jan-ai__Pandora-13B-v1", "harness_winogrande_5", split="train")

最新结果

• 最新结果时间戳: 2023-12-16T16:04:27.777875
• 结果详情: 包含多个任务的评估结果，例如 "harness|arc:challenge|25"、"harness|hellaswag|10" 等，每个任务包含准确率（acc）、标准化准确率（acc_norm）等指标及其标准误差（stderr）。

配置详情

• 配置名称:
  • harness_arc_challenge_25
  • harness_gsm8k_5
  • harness_hellaswag_10
  • harness_hendrycksTest_5
• 数据文件: 每个配置包含多个分割（如 2023_12_16T16_04_27.777875 和 latest），每个分割对应一个或多个数据文件路径。

数据文件格式

• 文件类型: Parquet 文件
• 文件路径: 例如 **/details_harness|arc:challenge|25_2023-12-16T16-04-27.777875.parquet