open-llm-leaderboard-old/details_BFauber__lora_llama2-13b_10e6

该数据集是在Open LLM Leaderboard上对模型BFauber/lora_llama2-13b_10e6进行评估时自动创建的。它由63个配置组成，每个配置对应一个评估任务。数据集包含1次运行的结果，每次运行在每个配置中表示为特定的分割，分割名称使用运行的时间戳。train分割始终指向最新结果。一个额外的配置results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。可以使用Hugging Face的datasets库加载该数据集，如提供的Python代码片段所示。

原始信息汇总

数据集概述

数据集来源

• 数据集名称: Evaluation run of BFauber/lora_llama2-13b_10e6
• 创建背景: 该数据集是在模型 BFauber/lora_llama2-13b_10e6 在 Open LLM Leaderboard 上的评估运行期间自动创建的。

数据集结构

• 配置数量: 63个配置，每个配置对应一个评估任务。
• 数据来源: 数据集由1次运行创建，每个运行的详细信息可以在每个配置中找到，以运行的时间戳命名的特定分片形式存储。
• 最新结果: "train" 分片始终指向最新的结果。
• 汇总结果: 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_BFauber__lora_llama2-13b_10e6", "harness_winogrande_5", split="train")

最新结果

• 最新结果时间戳: 2024-02-10T00:00:05.303461
• 详细结果: 包含多个任务的准确率（acc）、标准化准确率（acc_norm）、误差（stderr）等指标。

配置详情

• 配置名称: harness_arc_challenge_25

  • 数据文件:
    • 分片: 2024_02_10T00_00_05.303461
      • 路径: **/details_harness|arc:challenge|25_2024-02-10T00-00-05.303461.parquet
    • 分片: latest
      • 路径: **/details_harness|arc:challenge|25_2024-02-10T00-00-05.303461.parquet

• 配置名称: harness_gsm8k_5

  • 数据文件:
    • 分片: 2024_02_10T00_00_05.303461
      • 路径: **/details_harness|gsm8k|5_2024-02-10T00-00-05.303461.parquet
    • 分片: latest
      • 路径: **/details_harness|gsm8k|5_2024-02-10T00-00-05.303461.parquet

• 配置名称: harness_hellaswag_10

  • 数据文件:
    • 分片: 2024_02_10T00_00_05.303461
      • 路径: **/details_harness|hellaswag|10_2024-02-10T00-00-05.303461.parquet
    • 分片: latest
      • 路径: **/details_harness|hellaswag|10_2024-02-10T00-00-05.303461.parquet

• 配置名称: harness_hendrycksTest_5

  • 数据文件:
    • 分片: 2024_02_10T00_00_05.303461
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-10T00-00-05.303461.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-02-10T00-00-05.303461.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-02-10T00-00-05.303461.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-02-10T00-00-05.303461.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-02-10T00-00-05.303461.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-02-10T00-00-05.303461.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-02-10T00-00-05.303461.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-02-10T00-00-05.303461.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-02-10T00-00-05.303461.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-02-10T00-00-05.303461.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-02-10T00-00-05.303461.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-02-10T00-00-05.303461.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-02-10T00-00-05.303461.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-02-10T00-00-05.303461.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-02-10T00-00-05.303461.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-02-10T00-00-05.303461.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2024-02-10T00-00-05.303461.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2024-02-10T00-00-05.303461.parquet
        • **/details_harness|hendrycksTest-high_school_biology|5_2024-02-10T00-00-05.303461.parquet