open-llm-leaderboard-old/details_BFauber__lora_llama2-13b_10e5_r2_a64

该数据集是在Open LLM Leaderboard上对模型BFauber/lora_llama2-13b_10e5_r2_a64进行评估时自动创建的。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，还有一个名为results的配置存储了所有运行的聚合结果，用于计算和显示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集简介

该数据集是在对模型 BFauber/lora_llama2-13b_10e5_r2_a64 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集结构

• 配置数量：63个配置，每个配置对应一个评估任务。
• 运行次数：数据集来自1次运行。每个运行结果作为一个特定的分割存储在每个配置中，分割名称使用运行的时间戳。
• 训练分割："train" 分割始终指向最新的结果。
• 结果配置："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_BFauber__lora_llama2-13b_10e5_r2_a64", "harness_winogrande_5", split="train")

最新结果

以下是 2024-02-10T00:41:13.717552 运行的最新结果：

python { "all": { "acc": 0.5515960902251136, "acc_stderr": 0.03366098004700812, "acc_norm": 0.5572141751663529, "acc_norm_stderr": 0.03438109302311316, "mc1": 0.2533659730722154, "mc1_stderr": 0.015225899340826831, "mc2": 0.37409967945900374, "mc2_stderr": 0.013681044022204396 }, "harness|arc:challenge|25": { "acc": 0.5665529010238908, "acc_stderr": 0.014481376224558902, "acc_norm": 0.6006825938566553, "acc_norm_stderr": 0.014312094557946702 }, "harness|hellaswag|10": { "acc": 0.6152160924118701, "acc_stderr": 0.0048554983433083876, "acc_norm": 0.8199561840270863, "acc_norm_stderr": 0.003834387002270879 }, ... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_02_10T00_41_13.717552, latest
  • 路径：**/details_harness|arc:challenge|25_2024-02-10T00-41-13.717552.parquet

• harness_gsm8k_5

  • 分割：2024_02_10T00_41_13.717552, latest
  • 路径：**/details_harness|gsm8k|5_2024-02-10T00-41-13.717552.parquet

• harness_hellaswag_10

  • 分割：2024_02_10T00_41_13.717552, latest
  • 路径：**/details_harness|hellaswag|10_2024-02-10T00-41-13.717552.parquet

• harness_hendrycksTest_5

  • 分割：2024_02_10T00_41_13.717552, latest
  • 路径：多个路径，包括 **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-10T00-41-13.717552.parquet 等