open-llm-leaderboard-old/details_jisukim8873__falcon-7B-case-8

该数据集是在模型jisukim8873/falcon-7B-case-8的评估运行期间自动创建的，用于在Open LLM Leaderboard上进行评估。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中创建的，每次运行都可以在特定配置中找到，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，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

数据集摘要

该数据集是在对模型 jisukim8873/falcon-7B-case-8 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集组成

• 数据集包含 63 个配置，每个配置对应一个评估任务。
• 数据集从 1 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 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_jisukim8873__falcon-7B-case-8", "harness_winogrande_5", split="train")

最新结果

这些是最新的结果，来自 2024-03-09T20:50:47.085955 运行： python { "all": { "acc": 0.31319141324446226, "acc_stderr": 0.032438104383807814, "acc_norm": 0.3144746000410427, "acc_norm_stderr": 0.03318873637542751, "mc1": 0.2582619339045288, "mc1_stderr": 0.015321821688476196, "mc2": 0.37575591444529527, "mc2_stderr": 0.014304714495441502 }, "harness|arc:challenge|25": { "acc": 0.4598976109215017, "acc_stderr": 0.014564318856924848, "acc_norm": 0.4948805460750853, "acc_norm_stderr": 0.014610624890309157 }, "harness|hellaswag|10": { "acc": 0.5965943039235212, "acc_stderr": 0.004895782107786499, "acc_norm": 0.7855008962358097, "acc_norm_stderr": 0.0040963551251175165 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.33, "acc_stderr": 0.04725815626252605, "acc_norm": 0.33, "acc_norm_stderr": 0.04725815626252605 }, # 其他任务的结果省略 }

配置详情

• harness_arc_challenge_25

  • 分割：2024_03_09T20_50_47.085955, latest
  • 路径：**/details_harness|arc:challenge|25_2024-03-09T20-50-47.085955.parquet

• harness_gsm8k_5

  • 分割：2024_03_09T20_50_47.085955, latest
  • 路径：**/details_harness|gsm8k|5_2024-03-09T20-50-47.085955.parquet

• harness_hellaswag_10

  • 分割：2024_03_09T20_50_47.085955, latest
  • 路径：**/details_harness|hellaswag|10_2024-03-09T20-50-47.085955.parquet

• harness_hendrycksTest_5

  • 分割：2024_03_09T20_50_47.085955, latest
  • 路径：多个路径，包括 **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-09T20-50-47.085955.parquet 等