open-llm-leaderboard/details_Azure99__blossom-v5-7b

该数据集是在模型Azure99/blossom-v5-7b的评估运行期间自动创建的，用于Open LLM Leaderboard的评估。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，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，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

数据集名称

• pretty_name: Evaluation run of Azure99/blossom-v5-7b

数据集描述

• dataset_summary: 该数据集是在评估模型Azure99/blossom-v5-7b的过程中自动创建的，用于Open LLM Leaderboard。

数据集组成

• 数据结构: 包含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，每次运行对应一个特定的分割，分割名称使用运行的时间戳命名。
• 特殊配置: 额外配置“results”存储了所有运行的聚合结果，用于计算和显示聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Azure99__blossom-v5-7b", "harness_winogrande_5", split="train")

最新结果

• 结果详情: 提供了包括准确率、标准误差等在内的多项指标，覆盖了多个任务和领域。
• 示例结果: python { "all": { "acc": 0.6121811109671592, "acc_stderr": 0.0332054570580288, "acc_norm": 0.6147080117151493, "acc_norm_stderr": 0.03387476484167675, "mc1": 0.3623011015911873, "mc1_stderr": 0.016826646897262258, "mc2": 0.542947538457337, "mc2_stderr": 0.015612690962267655 }, ... }

数据集配置详情

配置列表

• config_name: harness_arc_challenge_25

  • data_files:
    • split: 2024_03_14T15_38_19.173640
      • path: **/details_harness|arc:challenge|25_2024-03-14T15-38-19.173640.parquet
    • split: latest
      • path: **/details_harness|arc:challenge|25_2024-03-14T15-38-19.173640.parquet

• config_name: harness_gsm8k_5

  • data_files:
    • split: 2024_03_14T15_38_19.173640
      • path: **/details_harness|gsm8k|5_2024-03-14T15-38-19.173640.parquet
    • split: latest
      • path: **/details_harness|gsm8k|5_2024-03-14T15-38-19.173640.parquet

• config_name: harness_hellaswag_10

  • data_files:
    • split: 2024_03_14T15_38_19.173640
      • path: **/details_harness|hellaswag|10_2024-03-14T15-38-19.173640.parquet
    • split: latest
      • path: **/details_harness|hellaswag|10_2024-03-14T15-38-19.173640.parquet

• config_name: harness_hendrycksTest_5

  • data_files:
    • split: 2024_03_14T15_38_19.173640
      • path: 多个任务对应的路径
    • split: latest
      • path: 多个任务对应的路径