open-llm-leaderboard-old/details_yam-peleg__Experiment23-7B

该数据集是在Open LLM Leaderboard上对模型yam-peleg/Experiment23-7B进行评估时自动创建的。数据集包含63个配置，每个配置对应一个评估任务。数据集由1次运行创建，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，用于在Open LLM Leaderboard上计算和显示聚合指标。

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yam-peleg/Experiment23-7B在Open LLM Leaderboard上的运行过程中自动创建的。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

• 配置数量：63个配置
• 数据来源：从1次运行中创建，每个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。
• 分割类型：每个配置包含多个分割，其中"train"分割始终指向最新结果。
• 额外配置："results"配置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_yam-peleg__Experiment23-7B", "harness_winogrande_5", split="train")

最新结果

以下是最新结果的摘要： python { "all": { "acc": 0.647287394362013, "acc_stderr": 0.032208917931382225, "acc_norm": 0.647253282888509, "acc_norm_stderr": 0.032880927841200454, "mc1": 0.6340269277845777, "mc1_stderr": 0.016862941684088386, "mc2": 0.7886928497175871, "mc2_stderr": 0.013403711710794167 }, "harness|arc:challenge|25": { "acc": 0.7141638225255973, "acc_stderr": 0.013203196088537372, "acc_norm": 0.7235494880546075, "acc_norm_stderr": 0.013069662474252423 }, "harness|hellaswag|10": { "acc": 0.7164907388966342, "acc_stderr": 0.004497803024345146, "acc_norm": 0.8876717785301733, "acc_norm_stderr": 0.003151244960241657 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.35, "acc_stderr": 0.047937248544110196, "acc_norm": 0.35, "acc_norm_stderr": 0.047937248544110196 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_02_29T12_23_04.607501, latest
  • 路径：**/details_harness|arc:challenge|25_2024-02-29T12-23-04.607501.parquet

• harness_gsm8k_5

  • 分割：2024_02_29T12_23_04.607501, latest
  • 路径：**/details_harness|gsm8k|5_2024-02-29T12-23-04.607501.parquet

• harness_hellaswag_10

  • 分割：2024_02_29T12_23_04.607501, latest
  • 路径：**/details_harness|hellaswag|10_2024-02-29T12-23-04.607501.parquet

• harness_hendrycksTest_5

  • 分割：2024_02_29T12_23_04.607501
  • 路径：多个路径，包括**/details_harness|hendrycksTest-abstract_algebra|5_2024-02-29T12-23-04.607501.parquet等