open-llm-leaderboard-old/details_liminerity__Liph.42

该数据集是在模型liminerity/Liph.42的评估运行中自动创建的，并用于Open LLM Leaderboard。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

该数据集是在对模型 liminerity/Liph.42 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集组成

• 数据集包含 63 个配置，每个配置对应一个评估任务。
• 数据集从 1 次运行中创建，每个运行在每个配置中作为一个特定的分片存在，分片名称使用运行的时间戳。
• "train" 分片始终指向最新的结果。
• 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_liminerity__Liph.42", "harness_winogrande_5", split="train")

最新结果

这些是最新结果（来自 2024-03-11T09:26:48.246760 运行）的示例： python { "all": { "acc": 0.5853025488330377, "acc_stderr": 0.03369648463859403, "acc_norm": 0.5859279263609795, "acc_norm_stderr": 0.034388133628966124, "mc1": 0.3635250917992656, "mc1_stderr": 0.016838862883965827, "mc2": 0.5208360586692827, "mc2_stderr": 0.015474375446580818 }, "harness|arc:challenge|25": { "acc": 0.5947098976109215, "acc_stderr": 0.014346869060229313, "acc_norm": 0.6228668941979523, "acc_norm_stderr": 0.014163366896192593 }, "harness|hellaswag|10": { "acc": 0.5850428201553476, "acc_stderr": 0.004917076726623795, "acc_norm": 0.7711611232822146, "acc_norm_stderr": 0.004192267475368931 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.28, "acc_stderr": 0.045126085985421296, "acc_norm": 0.28, "acc_norm_stderr": 0.045126085985421296 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分片：2024_03_11T09_26_48.246760, latest
  • 路径：**/details_harness|arc:challenge|25_2024-03-11T09-26-48.246760.parquet

• harness_gsm8k_5

  • 分片：2024_03_11T09_26_48.246760, latest
  • 路径：**/details_harness|gsm8k|5_2024-03-11T09-26-48.246760.parquet

• harness_hellaswag_10

  • 分片：2024_03_11T09_26_48.246760, latest
  • 路径：**/details_harness|hellaswag|10_2024-03-11T09-26-48.246760.parquet

• harness_hendrycksTest_5

  • 分片：2024_03_11T09_26_48.246760, latest
  • 路径：多个路径，包括 **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-11T09-26-48.246760.parquet 等。