open-llm-leaderboard/details_Undi95__Amethyst-13B

该数据集是在模型Undi95/Amethyst-13B的评估运行期间自动创建的，用于Open LLM Leaderboard的评估。数据集由64个配置组成，每个配置对应一个评估任务。数据集由2次运行生成，每次运行的结果作为特定配置中的一个分割，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，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。

原始信息汇总

数据集概述

数据集来源

该数据集是在对模型 Undi95/Amethyst-13B 进行评估运行时自动创建的，用于 Open LLM Leaderboard。

数据集结构

• 配置数量：64个配置，每个配置对应一个评估任务。
• 创建来源：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。
• 最新结果："train" 分割始终指向最新的结果。
• 汇总结果：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_Undi95__Amethyst-13B", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-25T11:51:19.859333 运行 的最新结果： python { "all": { "em": 0.11891778523489933, "em_stderr": 0.003314906435546502, "f1": 0.18699769295301977, "f1_stderr": 0.0034428005809407332, "acc": 0.42792517590937623, "acc_stderr": 0.010387500478010799 }, "harness|drop|3": { "em": 0.11891778523489933, "em_stderr": 0.003314906435546502, "f1": 0.18699769295301977, "f1_stderr": 0.0034428005809407332 }, "harness|gsm8k|5": { "acc": 0.10841546626231995, "acc_stderr": 0.008563852506627492 }, "harness|winogrande|5": { "acc": 0.7474348855564326, "acc_stderr": 0.012211148449394105 } }

配置详情

• harness_arc_challenge_25

  • 分割：2023_10_03T17_37_36.187420, latest
  • 路径：**/details_harness|arc:challenge|25_2023-10-03T17-37-36.187420.parquet

• harness_drop_3

  • 分割：2023_10_25T11_51_19.859333, latest
  • 路径：**/details_harness|drop|3_2023-10-25T11-51-19.859333.parquet

• harness_gsm8k_5

  • 分割：2023_10_25T11_51_19.859333, latest
  • 路径：**/details_harness|gsm8k|5_2023-10-25T11-51-19.859333.parquet

• harness_hellaswag_10

  • 分割：2023_10_03T17_37_36.187420, latest
  • 路径：**/details_harness|hellaswag|10_2023-10-03T17-37-36.187420.parquet

• harness_hendrycksTest_5

  • 分割：2023_10_03T17_37_36.187420, latest
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-10-03T17-37-36.187420.parquet

• harness_hendrycksTest_abstract_algebra_5

  • 分割：2023_10_03T17_37_36.187420, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-10-03T17-37-36.187420.parquet

• harness_hendrycksTest_anatomy_5

  • 分割：2023_10_03T17_37_36.187420, latest
  • 路径：**/details_harness|hendrycksTest-anatomy|5_2023-10-03T17-37-36.187420.parquet

• harness_hendrycksTest_astronomy_5

  • 分割：2023_10_03T17_37_36.187420, latest
  • 路径：**/details_harness|hendrycksTest-astronomy|5_2023-10-03T17-37-36.187420.parquet

• harness_hendrycksTest_business_ethics_5

  • 分割：2023_10_03T17_37_36.187420, latest
  • 路径：**/details_harness|hendrycksTest-business_ethics|5_2023-10-03T17-37-36.187420.parquet

• harness_hendrycksTest_clinical_knowledge_5

  • 分割：2023_10_03T17_37_36.187420, latest
  • 路径：**/details_harness|hendrycksTest-clinical_knowledge|5_2023-10-03T17-37-36.187420.parquet

• harness_hendrycksTest_college_biology_5

  • 分割：2023_10_03T17_37_36.187420, latest
  • 路径：**/details_harness|hendrycksTest-college_biology|5_2023-10-03T17-37-36.187420.parquet

• harness_hendrycksTest_college_chemistry_5

  • 分割：2023_10_03T17_37_36.187420, latest
  • 路径：**/details_harness|hendrycksTest-college_chemistry|5_2023-10-03T17-37-36.187420.parquet

• harness_hendrycksTest_college_computer_science_5

  • 分割：2023_10_03T17_37_36.187420, latest
  • 路径：**/details_harness|hendrycksTest-college_computer_science|5_2023-10-03T17-37-36.187420.parquet

• harness_hendrycksTest_college_mathematics_5

  • 分割：2023_10_03T17_37_36.187420, latest
  • 路径：**/details_harness|hendrycksTest-college_mathematics|5_2023-10-03T17-37-36.187420.parquet

• harness_hendrycksTest_college_medicine_5

  • 分割：2023_10_03T17_37_36.187420, latest
  • 路径：**/details_harness|hendrycksTest-college_medicine|5_2023-10-03T17-37-36.187420.parquet

• harness_hendrycksTest_college_physics_5

  • 分割：2023_10_03T17_37_36.187420, latest
  • 路径：**/details_harness|hendrycksTest-college_physics|5_2023-10-03T17-37-36.187420.parquet

• harness_hendrycksTest_computer_security_5

  • 分割：2023_10_03T17_37_36.187420, latest
  • 路径：**/details_harness|hendrycksTest-computer_security|5_2023-10-03T17-37-36.187420.parquet

• harness_hendrycksTest_conceptual_physics_5

  • 分割：2023_10_03T17_37_36.187420, latest
  • 路径：**/details_harness|hendrycksTest-conceptual_physics|5_2023-10-03T17-37-36.187420.parquet

• harness_hendrycksTest_econometrics_5

  • 分割：2023_10_03T17_37_36.187420, latest
  • 路径：**/details_harness|hendrycksTest-econometrics|5_2023-10-03T17-37-36.187420.parquet

• harness_hendrycksTest_electrical_engineering_5

  • 分割：2023_10_03T17_37_36.187420, latest
  • 路径：**/details_harness|hendrycksTest-electrical_engineering|5_2023-10-03T17-37-36.187420.parquet

• harness_hendrycksTest_elementary_mathematics_5

  • 分割：2023_10_03T17_37_36.187420, latest
  • 路径：**/details_harness|hendrycksTest-elementary_mathematics|5_2023-10-03T17-37-36.187420.parquet

以上是数据集的详细概述，包括数据集的来源、结构、加载示例、最新结果以及各个配置的详细信息。