open-llm-leaderboard-old/details_antiven0m__finch

该数据集是在Open LLM Leaderboard上对模型antiven0m/finch进行评估时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中创建的，每次运行都可以在特定配置中找到，并以运行的时间戳命名。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，并用于计算和显示Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

该数据集是在评估模型 antiven0m/finch 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。数据集从 1 次运行中创建，每个运行可以在每个配置中作为一个特定的分片找到，分片名称使用运行的时间戳。"train" 分片始终指向最新的结果。

数据集结构

数据集包含以下配置：

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个分片，包括特定时间戳的分片和最新的分片。

数据加载示例

以下是加载数据集的示例代码：

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_antiven0m__finch", "harness_winogrande_5", split="train")

最新结果

以下是 最新结果 的摘要：

python { "all": { "acc": 0.6531540630564376, "acc_stderr": 0.0320685734655788, "acc_norm": 0.653131349300888, "acc_norm_stderr": 0.03273339353661638, "mc1": 0.5299877600979193, "mc1_stderr": 0.01747199209169754, "mc2": 0.6795776535626169, "mc2_stderr": 0.014993153429131342 }, "harness|arc:challenge|25": { "acc": 0.6885665529010239, "acc_stderr": 0.01353247209985094, "acc_norm": 0.7158703071672355, "acc_norm_stderr": 0.013179442447653884 }, "harness|hellaswag|10": { "acc": 0.708922525393348, "acc_stderr": 0.004533307758521327, "acc_norm": 0.8787094204341764, "acc_norm_stderr": 0.0032579745937899407 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.33, "acc_stderr": 0.047258156262526045, "acc_norm": 0.33, "acc_norm_stderr": 0.047258156262526045 }, ... }