open-llm-leaderboard-old/details_one-man-army__UNA-34Beagles-32K-bf16-v1

该数据集是在模型 one-man-army/UNA-34Beagles-32K-bf16-v1 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集由 63 个配置组成，每个配置对应一个评估任务。它包含 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。一个名为 results 的额外配置存储了所有运行的聚合结果，这些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 Python 中的 datasets 库加载运行细节的示例。

原始信息汇总

数据集概述

该数据集是在评估模型one-man-army/UNA-34Beagles-32K-bf16-v1在Open 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个配置
• 数据来源：1次运行（run），每个运行在每个配置中作为一个特定的分割（split），分割名称使用运行的时间戳。
• 最新结果："train"分割总是指向最新的结果。
• 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_one-man-army__UNA-34Beagles-32K-bf16-v1", "harness_winogrande_5", split="train")

最新结果

以下是2024-01-14T18:01:24.840782运行的最新结果：

python { "all": { "acc": 0.7603825099190668, "acc_stderr": 0.028403734149400593, "acc_norm": 0.7656218376316938, "acc_norm_stderr": 0.02893068310994367, "mc1": 0.5887392900856793, "mc1_stderr": 0.01722562708366087, "mc2": 0.7354905615781797, "mc2_stderr": 0.014104277111112697 }, "harness|arc:challenge|25": { "acc": 0.7047781569965871, "acc_stderr": 0.01332975029338232, "acc_norm": 0.735494880546075, "acc_norm_stderr": 0.012889272949313368 }, "harness|hellaswag|10": { "acc": 0.6716789484166501, "acc_stderr": 0.004686425851253278, "acc_norm": 0.85929097789285, "acc_norm_stderr": 0.00347010499020439 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.49, "acc_stderr": 0.05024183937956911, "acc_norm": 0.49, "acc_norm_stderr": 0.05024183937956911 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_01_14T18_01_24.840782, latest
  • 路径：**/details_harness|arc:challenge|25_2024-01-14T18-01-24.840782.parquet

• harness_gsm8k_5

  • 分割：2024_01_14T18_01_24.840782, latest
  • 路径：**/details_harness|gsm8k|5_2024-01-14T18-01-24.840782.parquet

• harness_hellaswag_10

  • 分割：2024_01_14T18_01_24.840782, latest
  • 路径：**/details_harness|hellaswag|10_2024-01-14T18-01-24.840782.parquet

• harness_hendrycksTest_5

  • 分割：2024_01_14T18_01_24.840782, latest
  • 路径：多个路径，包括**/details_harness|hendrycksTest-abstract_algebra|5_2024-01-14T18-01-24.840782.parquet等