open-llm-leaderboard/details_ValiantLabs__ShiningValiant

该数据集是在模型ValiantLabs/ShiningValiant在Open LLM Leaderboard上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6次运行生成，每次运行的结果作为一个特定的分割存储在配置中，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

数据集组成

• 该数据集包含63个配置，每个配置对应一个评估任务。
• 数据集由6次运行结果组成，每次运行的结果可以在每个配置中找到，以运行的时间戳命名的特定分割形式存储。
• "train"分割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_ValiantLabs__ShiningValiant", "harness_winogrande_5", split="train")

最新结果

• 最新结果来自2023-12-31T03:38:52.399457运行，包含多个任务的评估指标，如准确率（acc）、标准化准确率（acc_norm）等。

配置详情

• harness_arc_challenge_25: 包含多个时间戳的分割，如2023-09-02T11:23:20.160582、2023-09-22T22:26:27.274686等。
• harness_gsm8k_5: 包含2023-12-10T02:25:26.345827和2023-12-31T03:38:52.399457等分割。
• harness_hellaswag_10: 包含多个时间戳的分割，如2023-09-02T11:23:20.160582、2023-09-22T22:26:27.274686等。
• harness_hendrycksTest_5: 包含多个时间戳的分割，如2023-09-02T11:23:20.160582等，涉及多个子任务。