open-llm-leaderboard-old/details_rufjdk5480__gov-qna-ko-merged

数据集是在模型[rufjdk5480/gov-qna-ko-merged](https://huggingface.co/rufjdk5480/gov-qna-ko-merged)在[Open LLM Leaderboard](https://huggingface.co/spaces/HuggingFaceH4/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。数据集是从1次运行中创建的，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命名。"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](https://huggingface.co/spaces/HuggingFaceH4/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 rufjdk5480/gov-qna-ko-merged
• 来源: 自动创建于模型 rufjdk5480/gov-qna-ko-merged 在 Open LLM Leaderboard 的评估运行期间。
• 配置数量: 63
• 创建次数: 1

数据集结构

• 配置: 每个配置对应一个评估任务。
• 分割: 每个运行结果作为一个特定的分割，分割名称使用运行的时间戳。"train" 分割始终指向最新的结果。
• 结果配置: 额外的 "results" 配置存储所有运行的聚合结果，用于计算和显示聚合指标在 Open LLM Leaderboard。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_rufjdk5480__gov-qna-ko-merged", "harness_winogrande_5", split="train")

最新结果

• 最新结果时间戳: 2024-01-05T04:31:12.088602
• 详细结果: 包含多个任务的准确率（acc）、标准化准确率（acc_norm）、以及其他指标（mc1, mc2）及其标准误差。

配置详情

• 配置名称: harness_arc_challenge_25

  • 数据文件:
    • 分割: 2024_01_05T04_31_12.088602
      • 路径: **/details_harness|arc:challenge|25_2024-01-05T04-31-12.088602.parquet
    • 分割: latest
      • 路径: **/details_harness|arc:challenge|25_2024-01-05T04-31-12.088602.parquet

• 配置名称: harness_gsm8k_5

  • 数据文件:
    • 分割: 2024_01_05T04_31_12.088602
      • 路径: **/details_harness|gsm8k|5_2024-01-05T04-31-12.088602.parquet
    • 分割: latest
      • 路径: **/details_harness|gsm8k|5_2024-01-05T04-31-12.088602.parquet

• 配置名称: harness_hellaswag_10

  • 数据文件:
    • 分割: 2024_01_05T04_31_12.088602
      • 路径: **/details_harness|hellaswag|10_2024-01-05T04-31-12.088602.parquet
    • 分割: latest
      • 路径: **/details_harness|hellaswag|10_2024-01-05T04-31-12.088602.parquet

• 配置名称: harness_hendrycksTest_5

  • 数据文件:
    • 分割: 2024_01_05T04_31_12.088602
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-01-05T04-31-12.088602.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-01-05T04-31-12.088602.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-01-05T04-31-12.088602.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-01-05T04-31-12.088602.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-01-05T04-31-12.088602.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-01-05T04-31-12.088602.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-01-05T04-31-12.088602.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-01-05T04-31-12.088602.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-01-05T04-31-12.088602.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-01-05T04-31-12.088602.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-01-05T04-31-12.088602.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-01-05T04-31-12.088602.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-01-05T04-31-12.088602.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-01-05T04-31-12.088602.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-01-05T04-31-12.088602.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-01-05T04-31-12.088602.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2024-01-05T04-31-12.088602.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2024-01-05T04-31-12.088602.parquet
        • **/details_harness|hendrycksTest-high_school_biology|5_2024-01-05T04-31-12.088602.parquet