open-llm-leaderboard/details_Writer__palmyra-20b-chat

该数据集是在评估模型Writer/palmyra-20b-chat时自动创建的，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，每次运行的结果存储为特定的分割，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，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

数据集来源

• 数据集是在对模型 Writer/palmyra-20b-chat 进行评估时自动创建的。

数据集组成

• 数据集包含 64 个配置，每个配置对应一个评估任务。
• 数据集从 2 次运行中创建，每次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。
• "train" 分割始终指向最新的结果。
• 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

• 加载特定运行的详细信息示例： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Writer__palmyra-20b-chat", "harness_winogrande_5", split="train")

最新结果

• 最新结果来自 2023-10-24T17:34:48.335583 运行： python { "all": { "em": 0.01373741610738255, "em_stderr": 0.0011920334890960986, "f1": 0.07696308724832225, "f1_stderr": 0.0018555585236602612, "acc": 0.3519928816466039, "acc_stderr": 0.009314927967596935 }, "harness|drop|3": { "em": 0.01373741610738255, "em_stderr": 0.0011920334890960986, "f1": 0.07696308724832225, "f1_stderr": 0.0018555585236602612 }, "harness|gsm8k|5": { "acc": 0.039423805913570885, "acc_stderr": 0.005360280030342453 }, "harness|winogrande|5": { "acc": 0.664561957379637, "acc_stderr": 0.013269575904851418 } }

配置详情

• 数据集包含多个配置，每个配置对应不同的任务和运行时间戳。以下是部分配置示例：
  • 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