open-llm-leaderboard/details_aisquared__dlite-v1-124m

该数据集是在模型 aisquared/dlite-v1-124m 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集由 64 个配置组成，每个配置对应一个被评估的任务。数据集来自 2 次运行，每次运行在每个配置中表示为特定的拆分，并以运行的时间戳命名。train 拆分始终指向最新结果。一个名为 results 的额外配置存储了所有运行的聚合结果，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 代码加载运行中的详细信息的示例，并包含了特定运行的最新结果。

原始信息汇总

数据集概述

数据集简介

该数据集是在评估模型 aisquared/dlite-v1-124m 在 Open LLM Leaderboard 上的自动创建的。

数据集结构

• 配置数量: 64
• 配置对应关系: 每个配置对应一个评估任务。
• 数据来源: 数据集由2次运行结果组成，每次运行的结果可以在每个配置中找到，以运行的时间戳命名。
• 最新结果: "train" 分割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_aisquared__dlite-v1-124m", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-17T05:52:16.762412 运行 的最新结果： python { "all": { "em": 0.011954697986577181, "em_stderr": 0.0011130056898859015, "f1": 0.0519830117449665, "f1_stderr": 0.0015990891614949285, "acc": 0.2509865824782952, "acc_stderr": 0.0070261881296128145 }, "harness|drop|3": { "em": 0.011954697986577181, "em_stderr": 0.0011130056898859015, "f1": 0.0519830117449665, "f1_stderr": 0.0015990891614949285 }, "harness|gsm8k|5": { "acc": 0.0, "acc_stderr": 0.0 }, "harness|winogrande|5": { "acc": 0.5019731649565904, "acc_stderr": 0.014052376259225629 } }

配置详情

以下是部分配置的详细信息：

• harness_arc_challenge_25

  • 分割: 2023_07_19T13_54_09.752185
  • 路径: **/details_harness|arc:challenge|25_2023-07-19T13:54:09.752185.parquet
  • 分割: latest
  • 路径: **/details_harness|arc:challenge|25_2023-07-19T13:54:09.752185.parquet

• harness_drop_3

  • 分割: 2023_10_17T05_52_16.762412
  • 路径: **/details_harness|drop|3_2023-10-17T05-52-16.762412.parquet
  • 分割: latest
  • 路径: **/details_harness|drop|3_2023-10-17T05-52-16.762412.parquet

• harness_gsm8k_5

  • 分割: 2023_10_17T05_52_16.762412
  • 路径: **/details_harness|gsm8k|5_2023-10-17T05-52-16.762412.parquet
  • 分割: latest
  • 路径: **/details_harness|gsm8k|5_2023-10-17T05-52-16.762412.parquet

• harness_hellaswag_10

  • 分割: 2023_07_19T13_54_09.752185
  • 路径: **/details_harness|hellaswag|10_2023-07-19T13:54:09.752185.parquet
  • 分割: latest
  • 路径: **/details_harness|hellaswag|10_2023-07-19T13:54:09.752185.parquet

• harness_hendrycksTest_5

  • 分割: 2023_07_19T13_54_09.752185
  • 路径:
    • **/details_harness|hendrycksTest-abstract_algebra|5_2023-07-19T13:54:09.752185.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2023-07-19T13:54:09.752185.parquet
    • ...（其他路径省略）
  • 分割: latest
  • 路径:
    • **/details_harness|hendrycksTest-abstract_algebra|5_2023-07-19T13:54:09.752185.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2023-07-19T13:54:09.752185.parquet
    • ...（其他路径省略）