open-llm-leaderboard-old/details_SanjiWatsuki__longcat-10.7B

该数据集是在评估模型SanjiWatsuki/longcat-10.7B时自动创建的，主要用于在Open LLM Leaderboard上展示评估结果。数据集包含63个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行的结果作为特定配置中的一个分割，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，用于在Open LLM Leaderboard上计算和展示聚合指标。

原始信息汇总

数据集概述

数据集简介

该数据集是在评估模型 SanjiWatsuki/longcat-10.7B 在 Open LLM Leaderboard 上的运行过程中自动创建的。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 次运行结果
• 数据分割：每个配置包含特定运行的分割，分割名称使用运行的时间戳。"train" 分割始终指向最新结果。
• 额外配置："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。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_SanjiWatsuki__longcat-10.7B", "harness_winogrande_5", split="train")

最新结果

以下是 2024-01-05T01:08:47.447453 运行的最新结果：

python { "all": { "acc": 0.6181731735874799, "acc_stderr": 0.032884200651007854, "acc_norm": 0.6222539659780922, "acc_norm_stderr": 0.03353758145766134, "mc1": 0.4589963280293758, "mc1_stderr": 0.0174445444476612, "mc2": 0.6141859591849883, "mc2_stderr": 0.01564268571963399 }, "harness|arc:challenge|25": { "acc": 0.60580204778157, "acc_stderr": 0.014280522667467327, "acc_norm": 0.6459044368600683, "acc_norm_stderr": 0.01397545412275656 }, "harness|hellaswag|10": { "acc": 0.6715793666600279, "acc_stderr": 0.004686789042445369, "acc_norm": 0.8584943238398726, "acc_norm_stderr": 0.0034783009945146947 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.35, "acc_stderr": 0.0479372485441102, "acc_norm": 0.35, "acc_norm_stderr": 0.0479372485441102 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_01_05T01_08_47.447453, latest
  • 路径：**/details_harness|arc:challenge|25_2024-01-05T01-08-47.447453.parquet

• harness_gsm8k_5

  • 分割：2024_01_05T01_08_47.447453, latest
  • 路径：**/details_harness|gsm8k|5_2024-01-05T01-08-47.447453.parquet

• harness_hellaswag_10

  • 分割：2024_01_05T01_08_47.447453, latest
  • 路径：**/details_harness|hellaswag|10_2024-01-05T01-08-47.447453.parquet

• harness_hendrycksTest_5

  • 分割：2024_01_05T01_08_47.447453, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2024-01-05T01-08-47.447453.parquet 等