open-llm-leaderboard-old/details_MaziyarPanahi__YamshadowStrangemerges_32_Experiment24Ognoexperiment27

数据集是在模型MaziyarPanahi/YamshadowStrangemerges_32_Experiment24Ognoexperiment27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。数据集是从1次运行中创建的，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。此外，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

数据集基本信息

• 名称: Evaluation run of MaziyarPanahi/YamshadowStrangemerges_32_Experiment24Ognoexperiment27
• 来源: 自动创建于模型评估运行期间，模型为 MaziyarPanahi/YamshadowStrangemerges_32_Experiment24Ognoexperiment27，在 Open LLM Leaderboard 上进行评估。
• 组成: 包含63个配置，每个配置对应一个评估任务。
• 创建: 从1次运行中创建，每个运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳。"train" 分割始终指向最新的结果。
• 额外配置: "results" 配置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_MaziyarPanahi__YamshadowStrangemerges_32_Experiment24Ognoexperiment27", "harness_winogrande_5", split="train")

最新结果

• 最新结果时间戳: 2024-04-09T10:28:53.543551
• 详细结果: 包含多个任务的准确率（acc）、标准化准确率（acc_norm）、误差（stderr）等指标。

配置信息

• 配置名称: harness_arc_challenge_25

  • 数据文件:
    • 分割: 2024_04_09T10_28_53.543551
      • 路径: **/details_harness|arc:challenge|25_2024-04-09T10-28-53.543551.parquet
    • 分割: latest
      • 路径: **/details_harness|arc:challenge|25_2024-04-09T10-28-53.543551.parquet

• 配置名称: harness_gsm8k_5

  • 数据文件:
    • 分割: 2024_04_09T10_28_53.543551
      • 路径: **/details_harness|gsm8k|5_2024-04-09T10-28-53.543551.parquet
    • 分割: latest
      • 路径: **/details_harness|gsm8k|5_2024-04-09T10-28-53.543551.parquet

• 配置名称: harness_hellaswag_10

  • 数据文件:
    • 分割: 2024_04_09T10_28_53.543551
      • 路径: **/details_harness|hellaswag|10_2024-04-09T10-28-53.543551.parquet
    • 分割: latest
      • 路径: **/details_harness|hellaswag|10_2024-04-09T10-28-53.543551.parquet

• 配置名称: harness_hendrycksTest_5

  • 数据文件:
    • 分割: 2024_04_09T10_28_53.543551
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-04-09T10-28-53.543551.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-04-09T10-28-53.543551.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-04-09T10-28-53.543551.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-04-09T10-28-53.543551.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-04-09T10-28-53.543551.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-04-09T10-28-53.543551.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-04-09T10-28-53.543551.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-04-09T10-28-53.543551.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-04-09T10-28-53.543551.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-04-09T10-28-53.543551.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-04-09T10-28-53.543551.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-04-09T10-28-53.543551.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-04-09T10-28-53.543551.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-04-09T10-28-53.543551.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-04-09T10-28-53.543551.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-04-09T10-28-53.543551.parquet