open-llm-leaderboard-old/details_TeeZee__Buttocks-7B-v1.0

该数据集是在模型TeeZee/Buttocks-7B-v1.0在Open LLM Leaderboard上的评估运行期间自动创建的。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。一个额外的配置results存储了运行的所有聚合结果，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`datasets`库中的`load_dataset`函数加载运行中的详细信息的示例。还包括了2024年1月25日运行的最新结果，显示了不同任务的各种准确性指标。

原始信息汇总

数据集概述

数据集名称

• 名称: Evaluation run of TeeZee/Buttocks-7B-v1.0

数据集来源

• 创建背景: 该数据集是在模型 TeeZee/Buttocks-7B-v1.0 在 Open LLM Leaderboard 上的评估运行期间自动创建的。

数据集结构

• 配置数量: 该数据集包含 63 个配置，每个配置对应一个评估任务。
• 数据来源: 数据集从 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。"train" 分割始终指向最新的结果。
• 额外配置: 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_TeeZee__Buttocks-7B-v1.0", "harness_winogrande_5", split="train")

最新结果

• 最新结果链接: 最新结果来自 2024-01-25T05:45:51.088274
• 结果示例: python { "all": { "acc": 0.49958748050002727, "acc_stderr": 0.03449947558483939, "acc_norm": 0.5072913093747228, "acc_norm_stderr": 0.03532795103647748, "mc1": 0.2962056303549572, "mc1_stderr": 0.015983595101811392, "mc2": 0.4472415883922134, "mc2_stderr": 0.015128282783775687 }, "harness|arc:challenge|25": { "acc": 0.5213310580204779, "acc_stderr": 0.014598087973127106, "acc_norm": 0.5460750853242321, "acc_norm_stderr": 0.01454922110517187 }, "harness|hellaswag|10": { "acc": 0.578868751244772, "acc_stderr": 0.004927314729433553, "acc_norm": 0.7561242780322645, "acc_norm_stderr": 0.004285410130466104 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.28, "acc_stderr": 0.04512608598542128, "acc_norm": 0.28, "acc_norm_stderr": 0.04512608598542128 },

  其他任务的结果...

}

配置详情

• 配置名称: harness_arc_challenge_25

  • 数据文件:
    • 分割: 2024_01_25T05_45_51.088274
      • 路径: **/details_harness|arc:challenge|25_2024-01-25T05-45-51.088274.parquet
    • 分割: latest
      • 路径: **/details_harness|arc:challenge|25_2024-01-25T05-45-51.088274.parquet

• 配置名称: harness_gsm8k_5

  • 数据文件:
    • 分割: 2024_01_25T05_45_51.088274
      • 路径: **/details_harness|gsm8k|5_2024-01-25T05-45-51.088274.parquet
    • 分割: latest
      • 路径: **/details_harness|gsm8k|5_2024-01-25T05-45-51.088274.parquet

• 配置名称: harness_hellaswag_10

  • 数据文件:
    • 分割: 2024_01_25T05_45_51.088274
      • 路径: **/details_harness|hellaswag|10_2024-01-25T05-45-51.088274.parquet
    • 分割: latest
      • 路径: **/details_harness|hellaswag|10_2024-01-25T05-45-51.088274.parquet

• 配置名称: harness_hendrycksTest_5

  • 数据文件:
    • 分割: 2024_01_25T05_45_51.088274
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-01-25T05-45-51.088274.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-01-25T05-45-51.088274.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-01-25T05-45-51.088274.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-01-25T05-45-51.088274.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-01-25T05-45-51.088274.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-01-25T05-45-51.088274.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-01-25T05-45-51.088274.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-01-25T05-45-51.088274.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-01-25T05-45-51.088274.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-01-25T05-45-51.088274.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-01-25T05-45-51.088274.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-01-25T05-45-51.088274.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-01-25T05-45-51.088274.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-01-25T05-45-51.088274.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-01-25T05-45-51.088274.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-01-25T05-45-51.088274.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2024-01-25T05-45-51.088274.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2024-01-25T05-45-51.088274.parquet
        • **/details_harness|hendrycksTest-high_school_biology|5_2024-01-25T05-45-51.088274.parquet

        其他任务的路径...

}