open-llm-leaderboard-old/details_luffycodes__vicuna-mmlu-val-only-correct-mcq-7b-ep2

该数据集是在评估模型[luffycodes/vicuna-mmlu-val-only-correct-mcq-7b-ep2](https://huggingface.co/luffycodes/vicuna-mmlu-val-only-correct-mcq-7b-ep2)时自动创建的，评估在[Open LLM Leaderboard](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard)上进行。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。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](https://huggingface.co/spaces/HuggingFaceH4/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 luffycodes/vicuna-mmlu-val-only-correct-mcq-7b-ep2
• 来源: 自动创建于模型 luffycodes/vicuna-mmlu-val-only-correct-mcq-7b-ep2 在 Open LLM Leaderboard 上的评估运行。

数据集组成

• 配置数量: 63 个配置，每个配置对应一个评估任务。
• 创建次数: 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。
• 额外配置: 一个名为 "results" 的配置存储所有运行的聚合结果，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_luffycodes__vicuna-mmlu-val-only-correct-mcq-7b-ep2", "harness_winogrande_5", split="train")

最新结果

• 最新结果来自运行 2023-12-18T08:54:03.410174: python { "all": { "acc": 0.4771667109240717, "acc_stderr": 0.034233110377777674, "acc_norm": 0.485115350864936, "acc_norm_stderr": 0.035153131866548476, "mc1": 0.2827417380660955, "mc1_stderr": 0.015764770836777305, "mc2": 0.4317214117939303, "mc2_stderr": 0.01510139555175088 }, "harness|arc:challenge|25": { "acc": 0.492320819112628, "acc_stderr": 0.01460966744089257, "acc_norm": 0.5298634812286689, "acc_norm_stderr": 0.014585305840007102 }, "harness|hellaswag|10": { "acc": 0.5798645688109938, "acc_stderr": 0.004925717008099711, "acc_norm": 0.7767377016530571, "acc_norm_stderr": 0.004155816900505157 }, ... }

配置详情

• 配置名称: harness_arc_challenge_25

  • 数据文件:
    • 分割: 2023_12_18T08_54_03.410174
      • 路径: **/details_harness|arc:challenge|25_2023-12-18T08-54-03.410174.parquet
    • 分割: latest
      • 路径: **/details_harness|arc:challenge|25_2023-12-18T08-54-03.410174.parquet

• 配置名称: harness_gsm8k_5

  • 数据文件:
    • 分割: 2023_12_18T08_54_03.410174
      • 路径: **/details_harness|gsm8k|5_2023-12-18T08-54-03.410174.parquet
    • 分割: latest
      • 路径: **/details_harness|gsm8k|5_2023-12-18T08-54-03.410174.parquet

• 配置名称: harness_hellaswag_10

  • 数据文件:
    • 分割: 2023_12_18T08_54_03.410174
      • 路径: **/details_harness|hellaswag|10_2023-12-18T08-54-03.410174.parquet
    • 分割: latest
      • 路径: **/details_harness|hellaswag|10_2023-12-18T08-54-03.410174.parquet

• 配置名称: harness_hendrycksTest_5

  • 数据文件:
    • 分割: 2023_12_18T08_54_03.410174
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2023-12-18T08-54-03.410174.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2023-12-18T08-54-03.410174.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2023-12-18T08-54-03.410174.parquet
        • ...
    • 分割: latest
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2023-12-18T08-54-03.410174.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2023-12-18T08-54-03.410174.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2023-12-18T08-54-03.410174.parquet
        • ...