open-llm-leaderboard-old/details_netcat420__MFANNv0.2

该数据集是在模型netcat420/MFANNv0.2的评估运行期间自动创建的，用于在Open LLM Leaderboard上进行评估。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，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

数据集信息

• 名称: Evaluation run of netcat420/MFANNv0.2
• 来源: 自动创建于模型 netcat420/MFANNv0.2 在 Open LLM Leaderboard 的评估运行期间。
• 组成: 包含63个配置，每个配置对应一个评估任务。
• 创建: 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割存在，分割名称使用运行的时间戳。"train" 分割始终指向最新的结果。
• 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 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_netcat420__MFANNv0.2", "harness_winogrande_5", split="train")

最新结果

• 最新结果来自: 2024-04-03T03:41:51.399377
• 结果示例: python { "all": { "acc": 0.6002445051010882, "acc_stderr": 0.03331126837150522, "acc_norm": 0.6055816478963127, "acc_norm_stderr": 0.03398341622818668, "mc1": 0.5116279069767442, "mc1_stderr": 0.017498767175740084, "mc2": 0.6893983377873889, "mc2_stderr": 0.01527345241682202 }, "harness|arc:challenge|25": { "acc": 0.5844709897610921, "acc_stderr": 0.01440136664121639, "acc_norm": 0.628839590443686, "acc_norm_stderr": 0.014117971901142824 }, "harness|hellaswag|10": { "acc": 0.6581358295160327, "acc_stderr": 0.004733649274814508, "acc_norm": 0.838478390758813, "acc_norm_stderr": 0.0036725927293636304 }, ... }

配置信息

• harness_arc_challenge_25:
  • 分割: 2024_04_03T03_41_51.399377, latest
  • 路径: **/details_harness|arc:challenge|25_2024-04-03T03-41-51.399377.parquet
• harness_gsm8k_5:
  • 分割: 2024_04_03T03_41_51.399377, latest
  • 路径: **/details_harness|gsm8k|5_2024-04-03T03-41-51.399377.parquet
• harness_hellaswag_10:
  • 分割: 2024_04_03T03_41_51.399377, latest
  • 路径: **/details_harness|hellaswag|10_2024-04-03T03-41-51.399377.parquet
• harness_hendrycksTest_5:
  • 分割: 2024_04_03T03_41_51.399377, latest
  • 路径: **/details_harness|hendrycksTest-abstract_algebra|5_2024-04-03T03-41-51.399377.parquet, ...