open-llm-leaderboard-old/details_playdev7__theseed-v0.3

该数据集是在Open LLM Leaderboard上对模型playdev7/theseed-v0.3进行评估运行时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。它包含一次运行的结果，每次运行在每个配置中表示为特定的分割。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Python中的datasets库加载运行细节的示例。

原始信息汇总

数据集概述

该数据集是在对模型 playdev7/theseed-v0.3 进行评估运行期间自动创建的，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。

数据集结构

• 配置数量：63 个配置
• 数据来源：从 1 次运行中创建
• 数据分割：每个配置包含特定分割，分割名称使用运行的时间戳。"train" 分割始终指向最新结果。
• 额外配置："results" 配置存储所有运行的聚合结果，用于计算和显示聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_playdev7__theseed-v0.3", "harness_winogrande_5", split="train")

最新结果

以下是 2024-03-22T03:26:35.385729 运行的最新结果：

python { "all": { "acc": 0.245962201681949, "acc_stderr": 0.03049570162609384, "acc_norm": 0.24602883399943282, "acc_norm_stderr": 0.03130189888289818, "mc1": 0.2215422276621787, "mc1_stderr": 0.01453786760130114, "mc2": 0.46326315174171945, "mc2_stderr": 0.017055263889811677 }, "harness|arc:challenge|25": { "acc": 0.22610921501706485, "acc_stderr": 0.012224202097063286, "acc_norm": 0.2593856655290102, "acc_norm_stderr": 0.012808273573927102 }, "harness|hellaswag|10": { "acc": 0.2561242780322645, "acc_stderr": 0.004355992090030989, "acc_norm": 0.2605058753236407, "acc_norm_stderr": 0.004380136468543945 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.28, "acc_stderr": 0.04512608598542129, "acc_norm": 0.28, "acc_norm_stderr": 0.04512608598542129 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_03_22T03_26_35.385729, latest
  • 路径：**/details_harness|arc:challenge|25_2024-03-22T03-26-35.385729.parquet

• harness_gsm8k_5

  • 分割：2024_03_22T03_26_35.385729, latest
  • 路径：**/details_harness|gsm8k|5_2024-03-22T03-26-35.385729.parquet

• harness_hellaswag_10

  • 分割：2024_03_22T03_26_35.385729, latest
  • 路径：**/details_harness|hellaswag|10_2024-03-22T03-26-35.385729.parquet

• harness_hendrycksTest_5

  • 分割：2024_03_22T03_26_35.385729, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2024-03-22T03-26-35.385729.parquet 等

以上内容总结了数据集的关键信息，包括数据集的创建背景、结构、加载示例、最新结果以及配置详情。