open-llm-leaderboard-old/details_yam-peleg__Experiment28-7B
收藏Hugging Face2024-03-02 更新2024-06-22 收录
下载链接：
https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_yam-peleg__Experiment28-7B
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是在Open LLM Leaderboard上对模型yam-peleg/Experiment28-7B进行评估时自动创建的。它由63个配置组成，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。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。
该数据集是在Open LLM Leaderboard上对模型yam-peleg/Experiment28-7B进行评估时自动创建的。它由63个配置组成，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。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。
提供机构：
open-llm-leaderboard-old
原始信息汇总
数据集概述
数据集描述
该数据集是在评估模型yam-peleg/Experiment28-7B在Open LLM Leaderboard上的自动创建的。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。
数据集结构
数据集包含以下配置：
harness_arc_challenge_25harness_gsm8k_5harness_hellaswag_10harness_hendrycksTest_5
每个配置包含多个分割，包括特定时间戳的分割和最新的分割。
数据加载示例
python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_yam-peleg__Experiment28-7B", "harness_winogrande_5", split="train")
最新结果
最新结果来自2024-03-02T21:32:02.440654的运行，包含多个任务的评估结果，例如：
harness|arc:challenge|25:acc: 0.712457337883959acc_stderr: 0.013226719056266127acc_norm: 0.7303754266211604acc_norm_stderr: 0.012968040686869147
harness|hellaswag|10:acc: 0.7128062139016133acc_stderr: 0.00451528091146882acc_norm: 0.8903604859589723acc_norm_stderr: 0.003118013608669294
harness|hendrycksTest-abstract_algebra|5:acc: 0.33acc_stderr: 0.047258156262526045acc_norm: 0.33acc_norm_stderr: 0.047258156262526045
（其他任务的结果省略）
