open-llm-leaderboard/details_acrastt__Puma-3B
收藏数据集概述
数据集来源
该数据集是在对模型 acrastt/Puma-3B 进行评估运行期间自动创建的，评估运行在 Open LLM Leaderboard 上进行。
数据集结构
- 配置数量：数据集包含 64 个配置，每个配置对应一个评估任务。
- 运行次数：数据集从 5 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割找到，分割名称使用运行的时间戳。
- 最新结果："train" 分割总是指向最新的结果。
- 结果汇总：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 上的汇总指标。
数据加载示例
python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_acrastt__Puma-3B", "harness_winogrande_5", split="train")
最新结果
以下是 2023-10-18T02:31:20.356957 运行的最新结果： python { "all": { "em": 0.0008389261744966443, "em_stderr": 0.0002964962989801232, "f1": 0.05384123322147677, "f1_stderr": 0.0012835343678864997, "acc": 0.335677096267113, "acc_stderr": 0.00783328405303534 }, "harness|drop|3": { "em": 0.0008389261744966443, "em_stderr": 0.0002964962989801232, "f1": 0.05384123322147677, "f1_stderr": 0.0012835343678864997 }, "harness|gsm8k|5": { "acc": 0.0075815011372251705, "acc_stderr": 0.0023892815120772322 }, "harness|winogrande|5": { "acc": 0.6637726913970008, "acc_stderr": 0.013277286593993447 } }
配置详情
-
harness_arc_challenge_25
- 分割：2023_08_17T19_20_55.722583, 2023_08_17T23_25_19.325666, 2023_08_17T23_52_04.586597, 2023_08_18T01_05_27.057546, latest
- 路径：**/details_harness|arc:challenge|25_2023-08-17T19:20:55.722583.parquet 等
-
harness_drop_3
- 分割：2023_10_18T02_31_20.356957, latest
- 路径：**/details_harness|drop|3_2023-10-18T02-31-20.356957.parquet
-
harness_gsm8k_5
- 分割：2023_10_18T02_31_20.356957, latest
- 路径：**/details_harness|gsm8k|5_2023-10-18T02-31-20.356957.parquet
-
harness_hellaswag_10
- 分割：2023_08_17T19_20_55.722583, 2023_08_17T23_25_19.325666, 2023_08_17T23_52_04.586597, 2023_08_18T01_05_27.057546, latest
- 路径：**/details_harness|hellaswag|10_2023-08-17T19:20:55.722583.parquet 等
-
harness_hendrycksTest_5
- 分割：2023_08_17T19_20_55.722583, 2023_08_17T23_25_19.325666, 2023_08_17T23_52_04.586597
- 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-08-17T19:20:55.722583.parquet 等
