open-llm-leaderboard/details_Azure99__blossom-v5-14b

该数据集是在评估模型Azure99/blossom-v5-14b时自动创建的，主要用于在Open LLM Leaderboard上展示评估结果。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1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，用于计算和展示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 Azure99/blossom-v5-14b
• 创建原因: 自动创建于模型Azure99/blossom-v5-14b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。
• 创建过程: 数据集由1次运行创建，每次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命名。
• 特殊配置: 配置“results”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。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Azure99__blossom-v5-14b", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-03-14T15:46:32.836324的运行。
• 结果内容: 包含多个任务的评估结果，如准确率(acc)、准确率标准误差(acc_stderr)等。
• 示例数据:
  • 整体结果: 准确率(acc)为0.6816759115536367，准确率标准误差(acc_stderr)为0.031716119196988427。
  • 特定任务结果: 例如，任务“harness|arc:challenge|25”的准确率为0.5341296928327645，准确率标准误差为0.014577311315231099。

配置详情

• 配置名称: 如“harness_arc_challenge_25”, “harness_gsm8k_5”, “harness_hellaswag_10”等。
• 数据文件: 每个配置包含多个数据文件，每个文件对应一个特定的分割（如时间戳分割或最新分割）。
• 文件路径: 例如，“**/details_harness|arc:challenge|25_2024-03-14T15-46-32.836324.parquet”。