open-llm-leaderboard/details_mosaicml__mpt-7b-chat

该数据集是在模型mosaicml/mpt-7b-chat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，每个配置对应一个特定的评估任务。数据集是从2次运行中生成的，每次运行在每个配置中表示为特定的分割，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还提供了如何使用`load_dataset`函数加载运行中的详细信息的示例。

原始信息汇总

数据集概述

数据集来源

该数据集是在评估模型 mosaicml/mpt-7b-chat 在 Open LLM Leaderboard 上的运行过程中自动创建的。

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。
• 数据集从 2 次运行中创建，每次运行可以在每个配置中找到一个特定的分割，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_mosaicml__mpt-7b-chat", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-17T09:38:22.163645 运行的最新结果： python { "all": { "em": 0.06952600671140939, "em_stderr": 0.002604746204517829, "f1": 0.12196937919463072, "f1_stderr": 0.002840521979064293, "acc": 0.3626168565432783, "acc_stderr": 0.009260585769647573 }, "harness|drop|3": { "em": 0.06952600671140939, "em_stderr": 0.002604746204517829, "f1": 0.12196937919463072, "f1_stderr": 0.002840521979064293 }, "harness|gsm8k|5": { "acc": 0.04094010614101592, "acc_stderr": 0.005458076796294338 }, "harness|winogrande|5": { "acc": 0.6842936069455406, "acc_stderr": 0.01306309474300081 } }

配置详情

• harness_arc_challenge_25

  • 分割：2023_07_20T10_00_41.356813, latest
  • 路径：**/details_harness|arc:challenge|25_2023-07-20T10:00:41.356813.parquet

• harness_drop_3

  • 分割：2023_10_17T09_38_22.163645, latest
  • 路径：**/details_harness|drop|3_2023-10-17T09-38-22.163645.parquet

• harness_gsm8k_5

  • 分割：2023_10_17T09_38_22.163645, latest
  • 路径：**/details_harness|gsm8k|5_2023-10-17T09-38-22.163645.parquet

• harness_hellaswag_10

  • 分割：2023_07_20T10_00_41.356813, latest
  • 路径：**/details_harness|hellaswag|10_2023-07-20T10:00:41.356813.parquet

• harness_hendrycksTest_5

  • 分割：2023_07_20T10_00_41.356813, latest
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-07-20T10:00:41.356813.parquet

• harness_hendrycksTest_abstract_algebra_5

  • 分割：2023_07_20T10_00_41.356813, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-07-20T10:00:41.356813.parquet

• harness_hendrycksTest_anatomy_5

  • 分割：2023_07_20T10_00_41.356813, latest
  • 路径：**/details_harness|hendrycksTest-anatomy|5_2023-07-20T10:00:41.356813.parquet

• harness_hendrycksTest_astronomy_5

  • 分割：2023_07_20T10_00_41.356813, latest
  • 路径：**/details_harness|hendrycksTest-astronomy|5_2023-07-20T10:00:41.356813.parquet

• harness_hendrycksTest_business_ethics_5

  • 分割：2023_07_20T10_00_41.356813, latest
  • 路径：**/details_harness|hendrycksTest-business_ethics|5_2023-07-20T10:00:41.356813.parquet

• harness_hendrycksTest_clinical_knowledge_5

  • 分割：2023_07_20T10_00_41.356813, latest
  • 路径：**/details_harness|hendrycksTest-clinical_knowledge|5_2023-07-20T10:00:41.356813.parquet

• harness_hendrycksTest_college_biology_5

  • 分割：2023_07_20T10_00_41.356813, latest
  • 路径：**/details_harness|hendrycksTest-college_biology|5_2023-07-20T10:00:41.356813.parquet

• harness_hendrycksTest_college_chemistry_5

  • 分割：2023_07_20T10_00_41.356813, latest
  • 路径：**/details_harness|hendrycksTest-college_chemistry|5_2023-07-20T10:00:41.356813.parquet

• harness_hendrycksTest_college_computer_science_5

  • 分割：2023_07_20T10_00_41.356813, latest
  • 路径：**/details_harness|hendrycksTest-college_computer_science|5_2023-07-20T10:00:41.356813.parquet

• harness_hendrycksTest_college_mathematics_5

  • 分割：2023_07_20T10_00_41.356813, latest
  • 路径：**/details_harness|hendrycksTest-college_mathematics|5_2023-07-20T10:00:41.356813.parquet

• harness_hendrycksTest_college_medicine_5

  • 分割：2023_07_20T10_00_41.356813, latest
  • 路径：**/details_harness|hendrycksTest-college_medicine|5_2023-07-20T10:00:41.356813.parquet

• harness_hendrycksTest_college_physics_5

  • 分割：2023_07_20T10_00_41.356813, latest
  • 路径：**/details_harness|hendrycksTest-college_physics|5_2023-07-20T10:00:41.356813.parquet

• harness_hendrycksTest_computer_security_5

  • 分割：2023_07_20T10_00_41.356813, latest
  • 路径：**/details_harness|hendrycksTest-computer_security|5_2023-07-20T10:00:41.356813.parquet

• harness_hendrycksTest_conceptual_physics_5

  • 分割：2023_07_20T10_00_41.356813, latest
  • 路径：**/details_harness|hendrycksTest-conceptual_physics|5_2023-07-20T10:00:41.356813.parquet

• harness_hendrycksTest_econometrics_5

  • 分割：2023_07_20T10_00_41.356813, latest
  • 路径：**/details_harness|hendrycksTest-econometrics|5_2023-07-20T10:00:41.356813.parquet

• harness_hendrycksTest_electrical_engineering_5

  • 分割：2023_07_20T10_00_41.356813, latest
  • 路径：**/details_harness|hendrycksTest-electrical_engineering|5_2023-07-20T10:00:41.356813.parquet

• harness_hendrycksTest_elementary_mathematics_5

  • 分割：2023_07_20T10_00_41.356813, latest
  • 路径：**/details_harness|hendrycksTest-elementary_mathematics|5_2023-07-20T10:00:41.356813.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。