open-llm-leaderboard/details_facebook__opt-125m

该数据集是在评估模型Facebook/OPT-125M时自动创建的，评估过程在Open LLM Leaderboard上进行。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3次运行生成，每次运行的结果作为特定配置中的一个分割，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

• 名称: Evaluation run of Facebook/OPT-125M
• 来源: 自动创建于模型 Facebook/OPT-125M 在 Open LLM Leaderboard 的评估运行期间。
• 组成: 包含 64 个配置，每个配置对应一个评估任务。
• 创建: 从 3 次运行中创建，每次运行在每个配置中作为一个特定的分割，分割名称使用运行的时间戳。"train" 分割始终指向最新的结果。
• 结果汇总: 一个额外的配置 "results" 存储所有运行的汇总结果，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_Facebook__OPT-125M", "harness_winogrande_5", split="train")

最新结果

• 来源: 最新结果来自 2024-01-23T14:31:42.504661
• 详细结果: python { "all": { "acc": 0.25971933524807705, "acc_stderr": 0.030727814194809005, "acc_norm": 0.26053348115143415, "acc_norm_stderr": 0.03151920852026647, "mc1": 0.23990208078335373, "mc1_stderr": 0.014948812679062133, "mc2": 0.42868550699768687, "mc2_stderr": 0.01505826026535896 }, ... }

配置详情

• 配置名称: harness_arc_challenge_25

  • 分割: 2023_07_19T14_00_10.742260
    • 路径: **/details_harness|arc:challenge|25_2023-07-19T14:00:10.742260.parquet
  • 分割: 2024_01_23T14_31_42.504661
    • 路径: **/details_harness|arc:challenge|25_2024-01-23T14-31-42.504661.parquet
  • 分割: latest
    • 路径: **/details_harness|arc:challenge|25_2024-01-23T14-31-42.504661.parquet

• 配置名称: harness_drop_3

  • 分割: 2023_10_19T00_45_29.121149
    • 路径: **/details_harness|drop|3_2023-10-19T00-45-29.121149.parquet
  • 分割: latest
    • 路径: **/details_harness|drop|3_2023-10-19T00-45-29.121149.parquet

• 配置名称: harness_gsm8k_5

  • 分割: 2023_10_19T00_45_29.121149
    • 路径: **/details_harness|gsm8k|5_2023-10-19T00-45-29.121149.parquet
  • 分割: 2024_01_23T14_31_42.504661
    • 路径: **/details_harness|gsm8k|5_2024-01-23T14-31-42.504661.parquet
  • 分割: latest
    • 路径: **/details_harness|gsm8k|5_2024-01-23T14-31-42.504661.parquet

• 配置名称: harness_hellaswag_10

  • 分割: 2023_07_19T14_00_10.742260
    • 路径: **/details_harness|hellaswag|10_2023-07-19T14:00:10.742260.parquet
  • 分割: 2024_01_23T14_31_42.504661
    • 路径: **/details_harness|hellaswag|10_2024-01-23T14-31-42.504661.parquet
  • 分割: latest
    • 路径: **/details_harness|hellaswag|10_2024-01-23T14-31-42.504661.parquet

• 配置名称: harness_hendrycksTest_5

  • 分割: 2023_07_19T14_00_10.742260
    • 路径:
      • **/details_harness|hendrycksTest-abstract_algebra|5_2023-07-19T14:00:10.742260.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2023-07-19T14:00:10.742260.parquet
      • **/details_harness|hendrycksTest-astronomy|5_2023-07-19T14:00:10.742260.parquet
      • **/details_harness|hendrycksTest-business_ethics|5_2023-07-19T14:00:10.742260.parquet
      • **/details_harness|hendrycksTest-clinical_knowledge|5_2023-07-19T14:00:10.742260.parquet
      • **/details_harness|hendrycksTest-college_biology|5_2023-07-19T14:00:10.742260.parquet
      • **/details_harness|hendrycksTest-college_chemistry|5_2023-07-19T14:00:10.742260.parquet
      • **/details_harness|hendrycksTest-college_computer_science|5_2023-07-19T14:00:10.742260.parquet
      • **/details_harness|hendrycksTest-college_mathematics|5_2023-07-19T14:00:10.742260.parquet
      • **/details_harness|hendrycksTest-college_medicine|5_2023-07-19T14:00:10.742260.parquet
      • **/details_harness|hendrycksTest-college_physics|5_2023-07-19T14:00:10.742260.parquet
      • **/details_harness|hendrycksTest-computer_security|5_2023-07-19T14:00:10.742260.parquet