open-llm-leaderboard-old/details_Eric111__Mathral

该数据集是在Open LLM Leaderboard上对模型Eric111/Mathral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。数据集从1次运行中创建，每次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。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 Eric111/Mathral 在 Open LLM Leaderboard 上的运行过程中自动创建的。数据集包含 63 个配置，每个配置对应一个评估任务。

数据集结构

• 配置数量：63
• 数据来源：1 次运行
• 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" 存储所有运行结果的聚合，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_Eric111__Mathral", "harness_winogrande_5", split="train")

最新结果

以下是 2024-02-20T22:56:24.257713 运行的最新结果：

python { "all": { "acc": 0.6377448226701788, "acc_stderr": 0.032228311298894745, "acc_norm": 0.6370669885420392, "acc_norm_stderr": 0.03289642702452909, "mc1": 0.42962056303549573, "mc1_stderr": 0.017329234580409098, "mc2": 0.5879334715417058, "mc2_stderr": 0.015528253088355563 }, "harness|arc:challenge|25": { "acc": 0.6399317406143344, "acc_stderr": 0.014027516814585188, "acc_norm": 0.6629692832764505, "acc_norm_stderr": 0.013813476652902276 }, "harness|hellaswag|10": { "acc": 0.6775542720573591, "acc_stderr": 0.004664572784985591, "acc_norm": 0.8616809400517825, "acc_norm_stderr": 0.003445289925011736 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.26, "acc_stderr": 0.044084400227680794, "acc_norm": 0.26, "acc_norm_stderr": 0.044084400227680794 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_02_20T22_56_24.257713, latest
  • 路径：**/details_harness|arc:challenge|25_2024-02-20T22-56-24.257713.parquet

• harness_gsm8k_5

  • 分割：2024_02_20T22_56_24.257713, latest
  • 路径：**/details_harness|gsm8k|5_2024-02-20T22-56-24.257713.parquet

• harness_hellaswag_10

  • 分割：2024_02_20T22_56_24.257713, latest
  • 路径：**/details_harness|hellaswag|10_2024-02-20T22-56-24.257713.parquet

• harness_hendrycksTest_5

  • 分割：2024_02_20T22_56_24.257713
  • 路径：
    • **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-20T22-56-24.257713.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2024-02-20T22-56-24.257713.parquet
    • ...

以上是数据集的详细概述，包括数据集的结构、加载示例、最新结果和配置详情。