open-llm-leaderboard-old/details_chatty123__mistral_rank16_packing

该数据集是在模型chatty123/mistral_rank16_packing在Open LLM Leaderboard上的评估运行期间自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。它由1次运行创建，每次运行作为每个配置中的一个特定分割，使用运行的时间戳命名。train分割始终指向最新结果。一个额外的配置results存储了运行的所有聚合结果，用于计算和显示Open LLM Leaderboard上的聚合指标。文件还提供了一个Python代码片段，用于加载运行中的详细信息，并列出了特定运行的最新结果。

原始信息汇总

数据集概述

数据集简介

该数据集是在对模型 chatty123/mistral_rank16_packing 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。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

数据集由多个配置组成，每个配置包含不同的任务评估结果。每个配置中包含一个名为 train 的 split，指向最新的结果。此外，还有一个名为 results 的配置，存储所有评估运行的聚合结果。

数据加载示例

以下是加载数据集的示例代码： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_chatty123__mistral_rank16_packing", "harness_winogrande_5", split="train")

最新结果

以下是来自最新运行（2024-04-15T17:49:21.120438）的最新结果： python { "all": { "acc": 0.6032682186013162, "acc_stderr": 0.03330769446425311, "acc_norm": 0.6080811662540284, "acc_norm_stderr": 0.03398423334560759, "mc1": 0.5201958384332925, "mc1_stderr": 0.017489216849737057, "mc2": 0.6744371383175135, "mc2_stderr": 0.015254727441468672 }, "harness|arc:challenge|25": { "acc": 0.5750853242320819, "acc_stderr": 0.014445698968520763, "acc_norm": 0.6254266211604096, "acc_norm_stderr": 0.014144193471893454 }, "harness|hellaswag|10": { "acc": 0.6584345747858992, "acc_stderr": 0.004732654295724447, "acc_norm": 0.8478390758812986, "acc_norm_stderr": 0.00358442749057938 }, # 其他任务的结果... }

配置详情

以下是部分配置的详细信息：

• harness_arc_challenge_25

  • 数据文件路径：
    • **/details_harness|arc:challenge|25_2024-04-15T17-49-21.120438.parquet

• harness_gsm8k_5

  • 数据文件路径：
    • **/details_harness|gsm8k|5_2024-04-15T17-49-21.120438.parquet

• harness_hellaswag_10

  • 数据文件路径：
    • **/details_harness|hellaswag|10_2024-04-15T17-49-21.120438.parquet

• harness_hendrycksTest_5

  • 数据文件路径：
    • **/details_harness|hendrycksTest-abstract_algebra|5_2024-04-15T17-49-21.120438.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2024-04-15T17-49-21.120438.parquet
    • **/details_harness|hendrycksTest-astronomy|5_2024-04-15T17-49-21.120438.parquet
    • **/details_harness|hendrycksTest-business_ethics|5_2024-04-15T17-49-21.120438.parquet
    • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-04-15T17-49-21.120438.parquet
    • **/details_harness|hendrycksTest-college_biology|5_2024-04-15T17-49-21.120438.parquet
    • **/details_harness|hendrycksTest-college_chemistry|5_2024-04-15T17-49-21.120438.parquet
    • **/details_harness|hendrycksTest-college_computer_science|5_2024-04-15T17-49-21.120438.parquet
    • **/details_harness|hendrycksTest-college_mathematics|5_2024-04-15T17-49-21.120438.parquet
    • **/details_harness|hendrycksTest-college_medicine|5_2024-04-15T17-49-21.120438.parquet
    • **/details_harness|hendrycksTest-college_physics|5_2024-04-15T17-49-21.120438.parquet
    • **/details_harness|hendrycksTest-computer_security|5_2024-04-15T17-49-21.120438.parquet
    • **/details_harness|hendrycksTest-conceptual_physics|5_2024-04-15T17-49-21.120438.parquet
    • **/details_harness|hendrycksTest-econometrics|5_2024-04-15T17-49-21.120438.parquet
    • **/details_harness|hendrycksTest-electrical_engineering|5_2024-04-15T17-49-21.120438.parquet
    • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-04-15T17-49-21.120438.parquet
    • **/details_harness|hendrycksTest-formal_logic|5_2024-04-15T17-49-21.120438.parquet
    • **/details_harness|hendrycksTest-global_facts|5_2024-04-15T17-49-21.120438.parquet

    其他任务的数据文件路径...

}