open-llm-leaderboard-old/details_Xwin-LM__Xwin-LM-13B-V0.1

该数据集是在模型Xwin-LM/Xwin-LM-13B-V0.1在Open LLM Leaderboard上的评估运行期间自动创建的。数据集由64个配置组成，每个配置对应一个评估任务。数据集是从2次运行中创建的，每次运行在每个配置中表示为特定的拆分。train拆分始终指向最新的结果。一个名为results的额外配置存储了所有运行的聚合结果，这些结果用于计算和显示Open LLM Leaderboard上的聚合指标。README还提供了一个示例，展示了如何使用`datasets`库中的`load_dataset`函数加载运行中的详细信息。

原始信息汇总

数据集概述

数据集简介

该数据集是在对模型 Xwin-LM/Xwin-LM-13B-V0.1 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集结构

• 数据集包含 64 个配置，每个配置对应一个评估任务。
• 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。
• 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 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_Xwin-LM__Xwin-LM-13B-V0.1", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-29T07:10:16.987751 运行 的最新结果： python { "all": { "em": 0.04509228187919463, "em_stderr": 0.0021250612871047806, "f1": 0.10556522651006703, "f1_stderr": 0.002412258426782379, "acc": 0.4194921770516876, "acc_stderr": 0.0102056268735408 }, "harness|drop|3": { "em": 0.04509228187919463, "em_stderr": 0.0021250612871047806, "f1": 0.10556522651006703, "f1_stderr": 0.002412258426782379 }, "harness|gsm8k|5": { "acc": 0.09628506444275967, "acc_stderr": 0.008125264128215896 }, "harness|winogrande|5": { "acc": 0.7426992896606156, "acc_stderr": 0.012285989618865702 } }

配置详情

以下是部分配置及其数据文件路径：

• config_name: harness_arc_challenge_25

  • split: 2023_09_22T02_00_45.467077
    • path: **/details_harness|arc:challenge|25_2023-09-22T02-00-45.467077.parquet
  • split: latest
    • path: **/details_harness|arc:challenge|25_2023-09-22T02-00-45.467077.parquet

• config_name: harness_drop_3

  • split: 2023_10_29T07_10_16.987751
    • path: **/details_harness|drop|3_2023-10-29T07-10-16.987751.parquet
  • split: latest
    • path: **/details_harness|drop|3_2023-10-29T07-10-16.987751.parquet

• config_name: harness_gsm8k_5

  • split: 2023_10_29T07_10_16.987751
    • path: **/details_harness|gsm8k|5_2023-10-29T07-10-16.987751.parquet
  • split: latest
    • path: **/details_harness|gsm8k|5_2023-10-29T07-10-16.987751.parquet

• config_name: harness_hellaswag_10

  • split: 2023_09_22T02_00_45.467077
    • path: **/details_harness|hellaswag|10_2023-09-22T02-00-45.467077.parquet
  • split: latest
    • path: **/details_harness|hellaswag|10_2023-09-22T02-00-45.467077.parquet

• config_name: harness_hendrycksTest_5

  • split: 2023_09_22T02_00_45.467077
    • path:
      • **/details_harness|hendrycksTest-abstract_algebra|5_2023-09-22T02-00-45.467077.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2023-09-22T02-00-45.467077.parquet
      • ...（其他路径省略）
  • split: latest
    • path:
      • **/details_harness|hendrycksTest-abstract_algebra|5_2023-09-22T02-00-45.467077.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2023-09-22T02-00-45.467077.parquet
      • ...（其他路径省略）