open-llm-leaderboard-old/details_AA051611__whattest

该数据集是在Open LLM Leaderboard上对模型AA051611/whattest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，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

数据集简介

该数据集是在模型 AA051611/whattest 在 Open LLM Leaderboard 上的评估运行期间自动创建的。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 个配置
• 数据来源：1 次运行结果
• 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" 配置存储所有运行的聚合结果，用于计算和显示聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_AA051611__whattest", "harness_winogrande_5", split="train")

最新结果

以下是 2024-01-11T14:53:31.657383 运行的最新结果：

python { "all": { "acc": 0.7616138245668181, "acc_stderr": 0.028047923748497502, "acc_norm": 0.7655989871774836, "acc_norm_stderr": 0.02857778553593116, "mc1": 0.4149326805385557, "mc1_stderr": 0.017248314465805978, "mc2": 0.5803674233221108, "mc2_stderr": 0.014839457098843786 }, "harness|arc:challenge|25": { "acc": 0.6348122866894198, "acc_stderr": 0.014070265519268804, "acc_norm": 0.6680887372013652, "acc_norm_stderr": 0.013760988200880534 }, "harness|hellaswag|10": { "acc": 0.6463851822346146, "acc_stderr": 0.0047711430744261304, "acc_norm": 0.8442541326428998, "acc_norm_stderr": 0.003618731658837713 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.44, "acc_stderr": 0.04988876515698589, "acc_norm": 0.44, "acc_norm_stderr": 0.04988876515698589 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_01_11T14_53_31.657383, latest
  • 路径：**/details_harness|arc:challenge|25_2024-01-11T14-53-31.657383.parquet

• harness_gsm8k_5

  • 分割：2024_01_11T14_53_31.657383, latest
  • 路径：**/details_harness|gsm8k|5_2024-01-11T14-53-31.657383.parquet

• harness_hellaswag_10

  • 分割：2024_01_11T14_53_31.657383, latest
  • 路径：**/details_harness|hellaswag|10_2024-01-11T14-53-31.657383.parquet

• harness_hendrycksTest_5

  • 分割：2024_01_11T14_53_31.657383, latest
  • 路径：多个路径，包括 **/details_harness|hendrycksTest-abstract_algebra|5_2024-01-11T14-53-31.657383.parquet 等

这个回答仅包含与数据集相关的信息，并且结构化地展示了数据集的概述、结构、加载示例、最新结果和配置详情。