open-llm-leaderboard-old/details_arvindanand__ValidateAI-3-33B-Ties

该数据集是在评估模型arvindanand/ValidateAI-3-33B-Ties时自动创建的，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分割始终指向最新的结果。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

数据集简介

该数据集是在对模型 arvindanand/ValidateAI-3-33B-Ties 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

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，每个运行可以在每个配置中找到特定的分割，分割名称使用运行的时间戳。
• 最新结果："train" 分割始终指向最新结果。
• 汇总结果：额外配置 "results" 存储所有运行的汇总结果，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_arvindanand__ValidateAI-3-33B-Ties", "harness_winogrande_5", split="train")

最新结果

以下是 2024-04-15T23:08:31.458056 运行 的最新结果：

python { "all": { "acc": 0.44298141147863135, "acc_stderr": 0.03479810860617635, "acc_norm": 0.44375877251121293, "acc_norm_stderr": 0.03551890083597476, "mc1": 0.2692778457772338, "mc1_stderr": 0.015528566637087283, "mc2": 0.42262985236898787, "mc2_stderr": 0.014934468412056808 }, "harness|arc:challenge|25": { "acc": 0.42918088737201365, "acc_stderr": 0.014464085894870653, "acc_norm": 0.4598976109215017, "acc_norm_stderr": 0.014564318856924848 }, "harness|hellaswag|10": { "acc": 0.4592710615415256, "acc_stderr": 0.004973199296339967, "acc_norm": 0.6171081457876917, "acc_norm_stderr": 0.00485098821516754 }, # 其他任务结果省略... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_04_15T23_08_31.458056, latest
  • 路径：**/details_harness|arc:challenge|25_2024-04-15T23-08-31.458056.parquet

• harness_gsm8k_5

  • 分割：2024_04_15T23_08_31.458056, latest
  • 路径：**/details_harness|gsm8k|5_2024-04-15T23-08-31.458056.parquet

• harness_hellaswag_10

  • 分割：2024_04_15T23_08_31.458056, latest
  • 路径：**/details_harness|hellaswag|10_2024-04-15T23-08-31.458056.parquet

• harness_hendrycksTest_5

  • 分割：2024_04_15T23_08_31.458056, latest
  • 路径：多个路径，如 **/details_harness|hendrycksTest-abstract_algebra|5_2024-04-15T23-08-31.458056.parquet 等