open-llm-leaderboard/details_ethzanalytics__pythia-31m

该数据集是在Open LLM Leaderboard上对模型ethzanalytics/pythia-31m进行评估时自动创建的。数据集包含64个配置，每个配置对应一个评估任务。数据集由1次运行创建，每次运行可以在每个配置中找到特定的分割，分割以运行的时间戳命名。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，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

数据集简介

该数据集是在评估模型ethzanalytics/pythia-31m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

• 配置数量：64个配置
• 数据来源：从1次运行中创建，每个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。
• 最新结果："train"分割始终指向最新结果。
• 聚合结果：一个额外的配置"results"存储所有运行的聚合结果，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_ethzanalytics__pythia-31m_public", "harness_winogrande_5", split="train")

最新结果

以下是2023-11-13T13:01:31.225551运行的最新结果： python { "all": { "acc": 0.2486090533214635, "acc_stderr": 0.030580280893238346, "acc_norm": 0.24951095231696532, "acc_norm_stderr": 0.031375786973211, "mc1": 0.26193390452876375, "mc1_stderr": 0.015392118805015023, "mc2": 0.49102256781530107, "mc2_stderr": 0.015750842651440947, "em": 0.0006291946308724832, "em_stderr": 0.0002568002749723811, "f1": 0.013650377516778552, "f1_stderr": 0.0006539918270891778 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割：2023_11_13T13_01_31.225551, latest
  • 路径：**/details_harness|arc:challenge|25_2023-11-13T13-01-31.225551.parquet

• harness_drop_3

  • 分割：2023_11_13T13_01_31.225551, latest
  • 路径：**/details_harness|drop|3_2023-11-13T13-01-31.225551.parquet

• harness_gsm8k_5

  • 分割：2023_11_13T13_01_31.225551, latest
  • 路径：**/details_harness|gsm8k|5_2023-11-13T13-01-31.225551.parquet

• harness_hellaswag_10

  • 分割：2023_11_13T13_01_31.225551, latest
  • 路径：**/details_harness|hellaswag|10_2023-11-13T13-01-31.225551.parquet

• harness_hendrycksTest_5

  • 分割：2023_11_13T13_01_31.225551, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-11-13T13-01-31.225551.parquet, ...