open-llm-leaderboard-old/details_google__gemma-7b

该数据集是在评估模型google/gemma-7b时自动创建的，主要用于在Open LLM Leaderboard上展示模型的性能。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2次运行生成，每次运行的结果作为一个特定的分割存储，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，还有一个名为results的配置，存储了所有运行的聚合结果，用于计算和展示在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

• 名称: Evaluation run of google/gemma-7b

数据集组成

• 配置数量: 63个配置
• 每个配置对应: 一个评估任务
• 创建来源: 从2次运行中创建
• 分割命名: 使用运行的时间戳
• 最新结果: "train"分割指向最新结果

额外配置

• "results"配置: 存储所有运行结果的聚合，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_google__gemma-7b", "harness_winogrande_5", split="train")

最新结果

• 最新结果来源: 从2024-02-23T18:01:00.586646运行中获取
• 结果示例: python { "all": { "acc": 0.6580452433778683, "acc_stderr": 0.03198812334565303, "acc_norm": 0.662225563457007, "acc_norm_stderr": 0.03262216078960403, "mc1": 0.30966952264381886, "mc1_stderr": 0.016185744355144912, "mc2": 0.4490548840372056, "mc2_stderr": 0.014654652028381131 }, "harness|arc:challenge|25": { "acc": 0.5708191126279863, "acc_stderr": 0.014464085894870653, "acc_norm": 0.6109215017064846, "acc_norm_stderr": 0.014247309976045607 }, "harness|hellaswag|10": { "acc": 0.622087233618801, "acc_stderr": 0.0048387473057833474, "acc_norm": 0.8247361083449513, "acc_norm_stderr": 0.0037941565512722643 }, ... }

配置详情

• 配置名称: harness_arc_challenge_25

  • 数据文件:
    • 分割: 2024_02_16T08_54_11.990054
      • 路径: **/details_harness|arc:challenge|25_2024-02-16T08-54-11.990054.parquet
    • 分割: 2024_02_23T18_01_00.586646
      • 路径: **/details_harness|arc:challenge|25_2024-02-23T18-01-00.586646.parquet
    • 分割: latest
      • 路径: **/details_harness|arc:challenge|25_2024-02-23T18-01-00.586646.parquet

• 配置名称: harness_gsm8k_5

  • 数据文件:
    • 分割: 2024_02_16T08_54_11.990054
      • 路径: **/details_harness|gsm8k|5_2024-02-16T08-54-11.990054.parquet
    • 分割: 2024_02_23T18_01_00.586646
      • 路径: **/details_harness|gsm8k|5_2024-02-23T18-01-00.586646.parquet
    • 分割: latest
      • 路径: **/details_harness|gsm8k|5_2024-02-23T18-01-00.586646.parquet

• 配置名称: harness_hellaswag_10

  • 数据文件:
    • 分割: 2024_02_16T08_54_11.990054
      • 路径: **/details_harness|hellaswag|10_2024-02-16T08-54-11.990054.parquet
    • 分割: 2024_02_23T18_01_00.586646
      • 路径: **/details_harness|hellaswag|10_2024-02-23T18-01-00.586646.parquet
    • 分割: latest
      • 路径: **/details_harness|hellaswag|10_2024-02-23T18-01-00.586646.parquet

• 配置名称: harness_hendrycksTest_5

  • 数据文件:
    • 分割: 2024_02_16T08_54_11.990054
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-16T08-54-11.990054.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-02-16T08-54-11.990054.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-02-16T08-54-11.990054.parquet
        • ...
    • 分割: 2024_02_23T18_01_00.586646
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-23T18-01-00.586646.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-02-23T18-01-00.586646.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-02-23T18-01-00.586646.parquet
        • ...
    • 分割: latest
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-23T18-01-00.586646.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-02-23T18-01-00.586646.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-02-23T18-01-00.586646.parquet
        • ...