open-llm-leaderboard-old/details_EleutherAI__llemma_34b

该数据集是在评估模型EleutherAI/llemma_34b时自动创建的，主要用于Open LLM Leaderboard的评估。数据集包含63个配置，每个配置对应一个评估任务。数据集由2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

数据集信息

• 名称: Evaluation run of EleutherAI/llemma_34b
• 来源: 自动创建于模型 EleutherAI/llemma_34b 在 Open LLM Leaderboard 的评估运行期间。
• 组成: 包含 63 个配置，每个配置对应一个评估任务。
• 创建: 从 2 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_EleutherAI__llemma_34b", "harness_winogrande_5", split="train")

最新结果

• 最新结果来自: 2024-04-16T01:33:17.207210
• 详细结果: python { "all": { "acc": 0.5906697416234302, "acc_stderr": 0.033900729388214305, "acc_norm": 0.5930968242867071, "acc_norm_stderr": 0.03460029273205279, "mc1": 0.2484700122399021, "mc1_stderr": 0.015127427096520693, "mc2": 0.4034928352690335, "mc2_stderr": 0.014152147710504484 }, ... }

配置信息

• 配置名称: harness_arc_challenge_25

  • 分割: 2024_02_09T15_30_10.664651
    • 路径: **/details_harness|arc:challenge|25_2024-02-09T15-30-10.664651.parquet
  • 分割: 2024_04_16T01_33_17.207210
    • 路径: **/details_harness|arc:challenge|25_2024-04-16T01-33-17.207210.parquet
  • 分割: latest
    • 路径: **/details_harness|arc:challenge|25_2024-04-16T01-33-17.207210.parquet

• 配置名称: harness_gsm8k_5

  • 分割: 2024_02_09T15_30_10.664651
    • 路径: **/details_harness|gsm8k|5_2024-02-09T15-30-10.664651.parquet
  • 分割: 2024_04_16T01_33_17.207210
    • 路径: **/details_harness|gsm8k|5_2024-04-16T01-33-17.207210.parquet
  • 分割: latest
    • 路径: **/details_harness|gsm8k|5_2024-04-16T01-33-17.207210.parquet

• 配置名称: harness_hellaswag_10

  • 分割: 2024_02_09T15_30_10.664651
    • 路径: **/details_harness|hellaswag|10_2024-02-09T15-30-10.664651.parquet
  • 分割: 2024_04_16T01_33_17.207210
    • 路径: **/details_harness|hellaswag|10_2024-04-16T01-33-17.207210.parquet
  • 分割: latest
    • 路径: **/details_harness|hellaswag|10_2024-04-16T01-33-17.207210.parquet

• 配置名称: harness_hendrycksTest_5

  • 分割: 2024_02_09T15_30_10.664651
    • 路径:
      • **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-09T15-30-10.664651.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2024-02-09T15-30-10.664651.parquet
      • **/details_harness|hendrycksTest-astronomy|5_2024-02-09T15-30-10.664651.parquet
      • **/details_harness|hendrycksTest-business_ethics|5_2024-02-09T15-30-10.664651.parquet
      • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-02-09T15-30-10.664651.parquet
      • **/details_harness|hendrycksTest-college_biology|5_2024-02-09T15-30-10.664651.parquet
      • **/details_harness|hendrycksTest-college_chemistry|5_2024-02-09T15-30-10.664651.parquet
      • **/details_harness|hendrycksTest-college_computer_science|5_2024-02-09T15-30-10.664651.parquet
      • **/details_harness|hendrycksTest-college_mathematics|5_2024-02-09T15-30-10.664651.parquet
      • **/details_harness|hendrycksTest-college_medicine|5_2024-02-09T15-30-10.664651.parquet
      • **/details_harness|hendrycksTest-college_physics|5_2024-02-09T15-30-10.664651.parquet
      • **/details_harness|hendrycksTest-computer_security|5_2024-02-09T15-30-10.664651.parquet
      • **/details_harness|hendrycksTest-conceptual_physics|5_2024-02-09T15-30-10.664651.parquet
      • **/details_harness|hendrycksTest-econometrics|5_2024-02-09T15-30-10.664651.parquet
      • **/details_harness|hendrycksTest-electrical_engineering|5_2024-02-09T15-30-10.664651.parquet
      • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-02-09T15-30-10.664651.parquet