five

open-llm-leaderboard-old/details_Karko__Proctora

收藏
Hugging Face2024-01-19 更新2024-06-22 收录
下载链接:
https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_Karko__Proctora
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集是在Open LLM Leaderboard上对模型Karko/Proctora进行评估时自动生成的。数据集由63个配置组成,每个配置对应一个评估任务。它包括一次或多次运行的结果,每次运行都作为一个特定的分割存储,并以运行的时间戳命名。train分割始终指向最新结果。此外,还有一个results配置,用于汇总所有运行结果,这些结果用于计算和显示Open LLM Leaderboard上的指标。README还提供了如何使用`datasets`库中的`load_dataset`函数加载数据集的示例,并包含了特定运行的最新结果。

该数据集是在Open LLM Leaderboard上对模型Karko/Proctora进行评估时自动生成的。数据集由63个配置组成,每个配置对应一个评估任务。它包括一次或多次运行的结果,每次运行都作为一个特定的分割存储,并以运行的时间戳命名。train分割始终指向最新结果。此外,还有一个results配置,用于汇总所有运行结果,这些结果用于计算和显示Open LLM Leaderboard上的指标。README还提供了如何使用`datasets`库中的`load_dataset`函数加载数据集的示例,并包含了特定运行的最新结果。
提供机构:
open-llm-leaderboard-old
原始信息汇总

数据集概述

该数据集是在模型 Karko/ProctoraOpen LLM Leaderboard 上的评估运行期间自动创建的。数据集包含 63 个配置,每个配置对应一个评估任务。

数据集结构

数据集由多次运行创建,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,一个名为 "results" 的额外配置存储了所有运行的聚合结果,用于计算并在 Open LLM Leaderboard 上显示聚合指标。

数据加载示例

以下是加载特定运行详细信息的示例代码:

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

最新结果

以下是 2024-01-19T06:36:32.426186 运行的最新结果

python { "all": { "acc": 0.6586351892929487, "acc_stderr": 0.03179113658240876, "acc_norm": 0.6588977596758985, "acc_norm_stderr": 0.032441095885830044, "mc1": 0.4173806609547124, "mc1_stderr": 0.017262891063272175, "mc2": 0.5955283522928707, "mc2_stderr": 0.015487512280277603 }, "harness|arc:challenge|25": { "acc": 0.6459044368600683, "acc_stderr": 0.01397545412275655, "acc_norm": 0.6783276450511946, "acc_norm_stderr": 0.013650488084494166 }, "harness|hellaswag|10": { "acc": 0.6835291774546903, "acc_stderr": 0.004641484273335098, "acc_norm": 0.866759609639514, "acc_norm_stderr": 0.0033913982936134386 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.35, "acc_stderr": 0.04793724854411021, "acc_norm": 0.35, "acc_norm_stderr": 0.04793724854411021 }, # 其他任务的结果... }

配置详情

数据集包含多个配置,每个配置对应不同的任务和数据文件。以下是部分配置的示例:

  • config_name: harness_arc_challenge_25

    • 数据文件:
      • split: 2024_01_19T06_36_32.426186
        • path: **/details_harness|arc:challenge|25_2024-01-19T06-36-32.426186.parquet
      • split: latest
        • path: **/details_harness|arc:challenge|25_2024-01-19T06-36-32.426186.parquet
  • config_name: harness_gsm8k_5

    • 数据文件:
      • split: 2024_01_19T06_36_32.426186
        • path: **/details_harness|gsm8k|5_2024-01-19T06-36-32.426186.parquet
      • split: latest
        • path: **/details_harness|gsm8k|5_2024-01-19T06-36-32.426186.parquet
  • config_name: harness_hellaswag_10

    • 数据文件:
      • split: 2024_01_19T06_36_32.426186
        • path: **/details_harness|hellaswag|10_2024-01-19T06-36-32.426186.parquet
      • split: latest
        • path: **/details_harness|hellaswag|10_2024-01-19T06-36-32.426186.parquet
  • config_name: harness_hendrycksTest_5

    • 数据文件:
      • split: 2024_01_19T06_36_32.426186
        • path:
          • **/details_harness|hendrycksTest-abstract_algebra|5_2024-01-19T06-36-32.426186.parquet
          • **/details_harness|hendrycksTest-anatomy|5_2024-01-19T06-36-32.426186.parquet
          • **/details_harness|hendrycksTest-astronomy|5_2024-01-19T06-36-32.426186.parquet
          • **/details_harness|hendrycksTest-business_ethics|5_2024-01-19T06-36-32.426186.parquet
          • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-01-19T06-36-32.426186.parquet
          • **/details_harness|hendrycksTest-college_biology|5_2024-01-19T06-36-32.426186.parquet
          • **/details_harness|hendrycksTest-college_chemistry|5_2024-01-19T06-36-32.426186.parquet
          • **/details_harness|hendrycksTest-college_computer_science|5_2024-01-19T06-36-32.426186.parquet
          • **/details_harness|hendrycksTest-college_mathematics|5_2024-01-19T06-36-32.426186.parquet
          • **/details_harness|hendrycksTest-college_medicine|5_2024-01-19T06-36-32.426186.parquet
          • **/details_harness|hendrycksTest-college_physics|5_2024-01-19T06-36-32.426186.parquet
          • **/details_harness|hendrycksTest-computer_security|5_2024-01-19T06-36-32.426186.parquet
          • **/details_harness|hendrycksTest-conceptual_physics|5_2024-01-19T06-36-32.426186.parquet
          • **/details_harness|hendrycksTest-econometrics|5_2024-01-19T06-36-32.426186.parquet
          • **/details_harness|hendrycksTest-electrical_engineering|5_2024-01-19T06-36-32.426186.parquet
          • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-01-19T06-36-32.426186.parquet
          • **/details_harness|hendrycksTest-formal_logic|5_2024-01-19T06-36-32.426186.parquet
          • **/details_harness|hendrycksTest-global_facts|5_2024-01-19T06-36-32.426186.parquet
          • **/details_harness|hendrycksTest-high_school_biology|5_2024-01-19T06-36-32.426186.parquet
          • **/details_harness|hendrycksTest-high_school_chemistry|5_2024-01-19T06-36-32.426186.parquet

          其他数据文件...

}

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