open-llm-leaderboard/details_KnutJaegersberg__black_goo_recipe_c

该数据集是在Open LLM Leaderboard上对模型KnutJaegersberg/black_goo_recipe_c进行评估时自动生成的。数据集包含64个配置，每个配置对应一个评估任务。数据集由2次运行生成，每次运行在每个配置中表示为特定的分割，分割名称由运行的时间戳命名。train分割始终指向最新的结果。此外，名为results的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代码加载运行细节的示例。

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 KnutJaegersberg/black_goo_recipe_c 在 Open LLM Leaderboard 上的自动创建的。数据集包含 64 个配置，每个配置对应一个评估任务。

数据集结构

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的特定分割形式存储。"train" 分割始终指向最新的结果。

数据集加载

可以使用以下代码加载数据集的详细信息： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_KnutJaegersberg__black_goo_recipe_c", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-17T13:45:50.659300 运行 的最新结果： python { "all": { "em": 0.0007340604026845638, "em_stderr": 0.0002773614457335715, "f1": 0.05227348993288602, "f1_stderr": 0.0013368463355251383, "acc": 0.32701072839257217, "acc_stderr": 0.00784863260202173 }, "harness|drop|3": { "em": 0.0007340604026845638, "em_stderr": 0.0002773614457335715, "f1": 0.05227348993288602, "f1_stderr": 0.0013368463355251383 }, "harness|gsm8k|5": { "acc": 0.006823351023502654, "acc_stderr": 0.002267537102254499 }, "harness|winogrande|5": { "acc": 0.6471981057616417, "acc_stderr": 0.013429728101788961 } }

配置详情

数据集包含以下配置：

• harness_arc_challenge_25
• harness_drop_3
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5
• harness_hendrycksTest_abstract_algebra_5
• harness_hendrycksTest_anatomy_5
• harness_hendrycksTest_astronomy_5
• harness_hendrycksTest_business_ethics_5
• harness_hendrycksTest_clinical_knowledge_5
• harness_hendrycksTest_college_biology_5
• harness_hendrycksTest_college_chemistry_5
• harness_hendrycksTest_college_computer_science_5
• harness_hendrycksTest_college_mathematics_5
• harness_hendrycksTest_college_medicine_5
• harness_hendrycksTest_college_physics_5
• harness_hendrycksTest_computer_security_5
• harness_hendrycksTest_conceptual_physics_5
• harness_hendrycksTest_econometrics_5
• harness_hendrycksTest_electrical_engineering_5
• harness_hendrycksTest_elementary_mathematics_5