open-llm-leaderboard-old/details_EleutherAI__llemma_7b

该数据集是在评估模型EleutherAI/llemma_7b时自动创建的，用于Open LLM Leaderboard。数据集包含63个配置，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分割始终指向最新结果。此外，results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

数据集简介

该数据集是在评估模型 EleutherAI/llemma_7b 在 Open LLM Leaderboard 上的自动创建的。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 2 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。

额外配置

一个额外的配置 "results" 存储所有运行的聚合结果，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_EleutherAI__llemma_7b", "harness_winogrande_5", split="train")

最新结果

这些是最新结果（来自 2024-02-04T21:06:01.286568 运行）的摘要：

python { "all": { "acc": 0.4779475755535138, "acc_stderr": 0.034922008654048396, "acc_norm": 0.4810020105261036, "acc_norm_stderr": 0.0356546932543351, "mc1": 0.2582619339045288, "mc1_stderr": 0.015321821688476199, "mc2": 0.3887901119268913, "mc2_stderr": 0.014502145592953165 }, "harness|arc:challenge|25": { "acc": 0.43856655290102387, "acc_stderr": 0.014500682618212864, "acc_norm": 0.4616040955631399, "acc_norm_stderr": 0.014568245550296356 }, "harness|hellaswag|10": { "acc": 0.46265684126667994, "acc_stderr": 0.00497584533508662, "acc_norm": 0.6297550288787094, "acc_norm_stderr": 0.004818833521340353 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.19, "acc_stderr": 0.039427724440366234, "acc_norm": 0.19, "acc_norm_stderr": 0.039427724440366234 }, # 其他任务的结果省略... }

配置详情

配置列表

• harness_arc_challenge_25

  • 分割: 2024_02_04T19_07_36.777097, 2024_02_04T21_06_01.286568, latest
  • 路径: 对应时间戳的 parquet 文件

• harness_gsm8k_5

  • 分割: 2024_02_04T19_07_36.777097, 2024_02_04T21_06_01.286568, latest
  • 路径: 对应时间戳的 parquet 文件

• harness_hellaswag_10

  • 分割: 2024_02_04T19_07_36.777097, 2024_02_04T21_06_01.286568, latest
  • 路径: 对应时间戳的 parquet 文件

• harness_hendrycksTest_5

  • 分割: 2024_02_04T19_07_36.777097, 2024_02_04T21_06_01.286568, latest
  • 路径: 对应时间戳的 parquet 文件