five

open-llm-leaderboard-old/details_SF-Foundation__TextBase-v0.2

收藏
Hugging Face2024-04-15 更新2024-06-22 收录
下载链接:
https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_SF-Foundation__TextBase-v0.2
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集是在Open LLM Leaderboard上对模型SF-Foundation/TextBase-v0.2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。数据集由2次运行创建,每次运行在每个配置中表示为特定的分割,train分割始终指向最新结果。此外,名为results的配置存储了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。README还提供了如何使用`datasets`库中的`load_dataset`函数加载运行详情的示例。

该数据集是在Open LLM Leaderboard上对模型SF-Foundation/TextBase-v0.2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。数据集由2次运行创建,每次运行在每个配置中表示为特定的分割,train分割始终指向最新结果。此外,名为results的配置存储了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。README还提供了如何使用`datasets`库中的`load_dataset`函数加载运行详情的示例。
提供机构:
open-llm-leaderboard-old
原始信息汇总

数据集概述

数据集基本信息

  • 名称: Evaluation run of SF-Foundation/TextBase-v0.2
  • 来源: 自动创建于模型 SF-Foundation/TextBase-v0.2Open LLM Leaderboard 的评估运行中。
  • 组成: 包含 63 个配置,每个配置对应一个评估任务。
  • 创建次数: 从 2 次运行中创建,每个运行在每个配置中作为一个特定的分割存在,分割名称使用运行的时间戳。
  • 最新结果: "train" 分割始终指向最新结果。
  • 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 上的聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_SF-Foundation__TextBase-v0.2", "harness_winogrande_5", split="train")

最新结果

以下是 2024-04-15T10:49:47.422583 运行的最新结果: python { "all": { "acc": 0.6477872383727521, "acc_stderr": 0.032222544304474854, "acc_norm": 0.6467665827432066, "acc_norm_stderr": 0.03290217364404172, "mc1": 0.6376988984088128, "mc1_stderr": 0.01682664689726226, "mc2": 0.7780333506353068, "mc2_stderr": 0.013795197050693505 }, "harness|arc:challenge|25": { "acc": 0.7244027303754266, "acc_stderr": 0.013057169655761838, "acc_norm": 0.7372013651877133, "acc_norm_stderr": 0.012862523175351333 }, "harness|hellaswag|10": { "acc": 0.7206731726747659, "acc_stderr": 0.004477514681328156, "acc_norm": 0.8897629954192392, "acc_norm_stderr": 0.0031254487960063553 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.35, "acc_stderr": 0.047937248544110196, "acc_norm": 0.35, "acc_norm_stderr": 0.047937248544110196 }, # 其他任务的结果... }

配置信息

  • 配置名称: harness_arc_challenge_25

    • 分割: 2024_04_15T10_42_26.389102
      • 路径: **/details_harness|arc:challenge|25_2024-04-15T10-42-26.389102.parquet
    • 分割: 2024_04_15T10_49_47.422583
      • 路径: **/details_harness|arc:challenge|25_2024-04-15T10-49-47.422583.parquet
    • 分割: latest
      • 路径: **/details_harness|arc:challenge|25_2024-04-15T10-49-47.422583.parquet
  • 配置名称: harness_gsm8k_5

    • 分割: 2024_04_15T10_42_26.389102
      • 路径: **/details_harness|gsm8k|5_2024-04-15T10-42-26.389102.parquet
    • 分割: 2024_04_15T10_49_47.422583
      • 路径: **/details_harness|gsm8k|5_2024-04-15T10-49-47.422583.parquet
    • 分割: latest
      • 路径: **/details_harness|gsm8k|5_2024-04-15T10-49-47.422583.parquet
  • 配置名称: harness_hellaswag_10

    • 分割: 2024_04_15T10_42_26.389102
      • 路径: **/details_harness|hellaswag|10_2024-04-15T10-42-26.389102.parquet
    • 分割: 2024_04_15T10_49_47.422583
      • 路径: **/details_harness|hellaswag|10_2024-04-15T10-49-47.422583.parquet
    • 分割: latest
      • 路径: **/details_harness|hellaswag|10_2024-04-15T10-49-47.422583.parquet
  • 配置名称: harness_hendrycksTest_5

    • 分割: 2024_04_15T10_42_26.389102
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-04-15T10-42-26.389102.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-04-15T10-42-26.389102.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-04-15T10-42-26.389102.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-04-15T10-42-26.389102.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-04-15T10-42-26.389102.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-04-15T10-42-26.389102.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-04-15T10-42-26.389102.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-04-15T10-42-26.389102.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-04-15T10-42-26.389102.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-04-15T10-42-26.389102.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-04-15T10-42-26.389102.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-04-15T10-42-26.389102.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-04-15T10-42-26.389102.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-04-15T10-42-26.389102.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-04-15T10-42-26.389102.parquet
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作