open-llm-leaderboard-old/details_wannaphong__han-llm-7b-v3

该数据集是在模型wannaphong/han-llm-7b-v3的评估运行期间自动创建的，用于在Open LLM Leaderboard上进行评估。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，分割以运行的时间戳命名。train分割始终指向最新结果。此外，results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

数据集来源

该数据集是在对模型 wannaphong/han-llm-7b-v3 进行评估运行时自动创建的，评估结果发布在 Open LLM Leaderboard 上。

数据集结构

• 配置数量：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，每个运行结果作为一个特定的分片存储在每个配置中，分片名称使用运行的时间戳。
• 最新结果："train" 分片始终指向最新的结果。
• 汇总结果：一个额外的配置 "results" 存储所有运行的汇总结果，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_wannaphong__han-llm-7b-v3", "harness_winogrande_5", split="train")

最新结果

以下是 2024-03-12T10:34:55.967829 运行的最新结果：

python { "all": { "acc": 0.5940739657168311, "acc_stderr": 0.03324959562287332, "acc_norm": 0.5995378543743849, "acc_norm_stderr": 0.033933345762919995, "mc1": 0.2802937576499388, "mc1_stderr": 0.015723139524608763, "mc2": 0.4312192117351884, "mc2_stderr": 0.01428070620058338 }, "harness|arc:challenge|25": { "acc": 0.537542662116041, "acc_stderr": 0.014570144495075581, "acc_norm": 0.5870307167235495, "acc_norm_stderr": 0.014388344935398326 }, "harness|hellaswag|10": { "acc": 0.6102370045807608, "acc_stderr": 0.004866997110388195, "acc_norm": 0.8178649671380203, "acc_norm_stderr": 0.0038516699346338836 }, ... }

配置详情

• harness_arc_challenge_25

  • 分片：2024_03_12T10_34_55.967829, latest
  • 路径：**/details_harness|arc:challenge|25_2024-03-12T10-34-55.967829.parquet

• harness_gsm8k_5

  • 分片：2024_03_12T10_34_55.967829, latest
  • 路径：**/details_harness|gsm8k|5_2024-03-12T10-34-55.967829.parquet

• harness_hellaswag_10

  • 分片：2024_03_12T10_34_55.967829, latest
  • 路径：**/details_harness|hellaswag|10_2024-03-12T10-34-55.967829.parquet

• harness_hendrycksTest_5

  • 分片：2024_03_12T10_34_55.967829, latest
  • 路径：多个路径，包括 **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-12T10-34-55.967829.parquet 等。