five

open-llm-leaderboard-old/details_Yuma42__KangalKhan-Ruby-7B-Fixed

收藏
Hugging Face2024-02-17 更新2024-06-22 收录
下载链接:
https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_Yuma42__KangalKhan-Ruby-7B-Fixed
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集是在评估模型Yuma42/KangalKhan-Ruby-7B-Fixed时自动创建的,评估在Open LLM Leaderboard上进行。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,运行的时间戳作为分割名称。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,用于在Open LLM Leaderboard上计算和显示聚合指标。

该数据集是在评估模型Yuma42/KangalKhan-Ruby-7B-Fixed时自动创建的,评估在Open LLM Leaderboard上进行。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,运行的时间戳作为分割名称。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,用于在Open LLM Leaderboard上计算和显示聚合指标。
提供机构:
open-llm-leaderboard-old
原始信息汇总

数据集概述

数据集摘要

该数据集是在评估模型 Yuma42/KangalKhan-Ruby-7B-FixedOpen LLM Leaderboard 上的自动创建的。数据集包含 63 个配置,每个配置对应一个评估任务。

数据集结构

  • 配置数量:63
  • 创建来源:1 次运行
  • 分割:每个配置包含特定分割,分割名称使用运行的时间戳。"train" 分割始终指向最新结果。
  • 额外配置:"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_Yuma42__KangalKhan-Ruby-7B-Fixed", "harness_winogrande_5", split="train")

最新结果

最新结果来自 2024-02-17T00:20:49.422540 运行,包含多个任务的准确率和标准误差。以下是部分结果示例: python { "all": { "acc": 0.6347473013166217, "acc_stderr": 0.032259927653459516, "acc_norm": 0.6365178163764577, "acc_norm_stderr": 0.03290211517224385, "mc1": 0.38922888616891066, "mc1_stderr": 0.01706855268069033, "mc2": 0.5648879973341684, "mc2_stderr": 0.01540236564556069 }, "harness|arc:challenge|25": { "acc": 0.6220136518771331, "acc_stderr": 0.014169664520303098, "acc_norm": 0.6723549488054608, "acc_norm_stderr": 0.013715847940719337 }, "harness|hellaswag|10": { "acc": 0.6683927504481179, "acc_stderr": 0.004698285350019216, "acc_norm": 0.8522206731726748, "acc_norm_stderr": 0.00354155826377909 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.28, "acc_stderr": 0.04512608598542128, "acc_norm": 0.28, "acc_norm_stderr": 0.04512608598542128 }, # 其他任务结果省略 }

配置详情

  • 配置名称:harness_arc_challenge_25

    • 数据文件
      • 分割:2024_02_17T00_20_49.422540
        • 路径:**/details_harness|arc:challenge|25_2024-02-17T00-20-49.422540.parquet
      • 分割:latest
        • 路径:**/details_harness|arc:challenge|25_2024-02-17T00-20-49.422540.parquet
  • 配置名称:harness_gsm8k_5

    • 数据文件
      • 分割:2024_02_17T00_20_49.422540
        • 路径:**/details_harness|gsm8k|5_2024-02-17T00-20-49.422540.parquet
      • 分割:latest
        • 路径:**/details_harness|gsm8k|5_2024-02-17T00-20-49.422540.parquet
  • 配置名称:harness_hellaswag_10

    • 数据文件
      • 分割:2024_02_17T00_20_49.422540
        • 路径:**/details_harness|hellaswag|10_2024-02-17T00-20-49.422540.parquet
      • 分割:latest
        • 路径:**/details_harness|hellaswag|10_2024-02-17T00-20-49.422540.parquet
  • 配置名称:harness_hendrycksTest_5

    • 数据文件
      • 分割:2024_02_17T00_20_49.422540
        • 路径:
          • **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-17T00-20-49.422540.parquet
          • **/details_harness|hendrycksTest-anatomy|5_2024-02-17T00-20-49.422540.parquet
          • **/details_harness|hendrycksTest-astronomy|5_2024-02-17T00-20-49.422540.parquet
          • **/details_harness|hendrycksTest-business_ethics|5_2024-02-17T00-20-49.422540.parquet
          • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-02-17T00-20-49.422540.parquet
          • **/details_harness|hendrycksTest-college_biology|5_2024-02-17T00-20-49.422540.parquet
          • **/details_harness|hendrycksTest-college_chemistry|5_2024-02-17T00-20-49.422540.parquet
          • **/details_harness|hendrycksTest-college_computer_science|5_2024-02-17T00-20-49.422540.parquet
          • **/details_harness|hendrycksTest-college_mathematics|5_2024-02-17T00-20-49.422540.parquet
          • **/details_harness|hendrycksTest-college_medicine|5_2024-02-17T00-20-49.422540.parquet
          • **/details_harness|hendrycksTest-college_physics|5_2024-02-17T00-20-49.422540.parquet
          • **/details_harness|hendrycksTest-computer_security|5_2024-02-17T00-20-49.422540.parquet
          • **/details_harness|hendrycksTest-conceptual_physics|5_2024-02-17T00-20-49.422540.parquet
          • **/details_harness|hendrycksTest-econometrics|5_2024-02-17T00-20-49.422540.parquet
          • **/details_harness|hendrycksTest-electrical_engineering|5_2024-02-17T00-20-49.422540.parquet
          • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-02-17T00-20-49.422540.parquet
          • **/details_harness|hendrycksTest-formal_logic|5_2024-02-17T00-20-49.422540.parquet
          • **/details_harness|hendrycksTest-global_facts|5_2024-02-17T00-20-49.422540.parquet
          • **/details_harness|hendrycksTest-high_school_biology|5_2024-02-17T00-20-49.422540.parquet

          其他任务路径省略

}

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