open-llm-leaderboard-old/details_ehartford__Samantha-1.11-7b

该数据集是在模型 ehartford/Samantha-1.11-7b 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集由 64 个配置组成，每个配置对应一个特定的评估任务。它由 2 次运行生成，每次运行在每个配置中表示为特定的分割。train 分割始终指向最新的结果。一个名为 results 的额外配置存储了所有运行的聚合结果，这些结果用于计算和显示 Open LLM Leaderboard 上的聚合指标。README 还提供了如何使用 Hugging Face datasets 库加载数据集的示例。

原始信息汇总

数据集概述

数据集描述

该数据集是在对模型 ehartford/Samantha-1.11-7b 进行评估时自动创建的，评估结果展示在 Open LLM Leaderboard 上。

数据集结构

• 配置数量：64个配置，每个配置对应一个评估任务。
• 运行次数：数据集由2次运行创建，每次运行的结果作为特定分片存储，分片名称使用运行的时间戳。
• 最新结果："train" 分片始终指向最新的结果。
• 汇总结果：一个额外的配置 "results" 存储所有运行的汇总结果，用于计算和展示在 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_ehartford__Samantha-1.11-7b", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-18T04:25:39.481995 运行 的最新结果： python { "all": { "em": 0.0012583892617449664, "em_stderr": 0.00036305608931188775, "f1": 0.060975251677852296, "f1_stderr": 0.0013628501994356545, "acc": 0.40696714224080927, "acc_stderr": 0.00970971340875476 }, "harness|drop|3": { "em": 0.0012583892617449664, "em_stderr": 0.00036305608931188775, "f1": 0.060975251677852296, "f1_stderr": 0.0013628501994356545 }, "harness|gsm8k|5": { "acc": 0.07202426080363912, "acc_stderr": 0.007121147983537128 }, "harness|winogrande|5": { "acc": 0.7419100236779794, "acc_stderr": 0.01229827883397239 } }

配置详情

以下是数据集的部分配置详情：

• harness_arc_challenge_25

  • 分片：2023_08_25T14_45_21.657251, latest
  • 路径：**/details_harness|arc:challenge|25_2023-08-25T14:45:21.657251.parquet

• harness_drop_3

  • 分片：2023_10_18T04_25_39.481995, latest
  • 路径：**/details_harness|drop|3_2023-10-18T04-25-39.481995.parquet

• harness_gsm8k_5

  • 分片：2023_10_18T04_25_39.481995, latest
  • 路径：**/details_harness|gsm8k|5_2023-10-18T04-25-39.481995.parquet

• harness_hellaswag_10

  • 分片：2023_08_25T14_45_21.657251, latest
  • 路径：**/details_harness|hellaswag|10_2023-08-25T14:45:21.657251.parquet

• harness_hendrycksTest_5

  • 分片：2023_08_25T14_45_21.657251, latest
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-08-25T14:45:21.657251.parquet

• harness_hendrycksTest_abstract_algebra_5

  • 分片：2023_08_25T14_45_21.657251, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-08-25T14:45:21.657251.parquet

• harness_hendrycksTest_anatomy_5

  • 分片：2023_08_25T14_45_21.657251, latest
  • 路径：**/details_harness|hendrycksTest-anatomy|5_2023-08-25T14:45:21.657251.parquet

• harness_hendrycksTest_astronomy_5

  • 分片：2023_08_25T14_45_21.657251, latest
  • 路径：**/details_harness|hendrycksTest-astronomy|5_2023-08-25T14:45:21.657251.parquet

• harness_hendrycksTest_business_ethics_5

  • 分片：2023_08_25T14_45_21.657251, latest
  • 路径：**/details_harness|hendrycksTest-business_ethics|5_2023-08-25T14:45:21.657251.parquet

• harness_hendrycksTest_clinical_knowledge_5

  • 分片：2023_08_25T14_45_21.657251, latest
  • 路径：**/details_harness|hendrycksTest-clinical_knowledge|5_2023-08-25T14:45:21.657251.parquet

• harness_hendrycksTest_college_biology_5

  • 分片：2023_08_25T14_45_21.657251, latest
  • 路径：**/details_harness|hendrycksTest-college_biology|5_2023-08-25T14:45:21.657251.parquet

• harness_hendrycksTest_college_chemistry_5

  • 分片：2023_08_25T14_45_21.657251, latest
  • 路径：**/details_harness|hendrycksTest-college_chemistry|5_2023-08-25T14:45:21.657251.parquet

• harness_hendrycksTest_college_computer_science_5

  • 分片：2023_08_25T14_45_21.657251, latest
  • 路径：**/details_harness|hendrycksTest-college_computer_science|5_2023-08-25T14:45:21.657251.parquet

• harness_hendrycksTest_college_mathematics_5

  • 分片：2023_08_25T14_45_21.657251, latest
  • 路径：**/details_harness|hendrycksTest-college_mathematics|5_2023-08-25T14:45:21.657251.parquet

• harness_hendrycksTest_college_medicine_5

  • 分片：2023_08_25T14_45_21.657251, latest
  • 路径：**/details_harness|hendrycksTest-college_medicine|5_2023-08-25T14:45:21.657251.parquet

• harness_hendrycksTest_college_physics_5

  • 分片：2023_08_25T14_45_21.657251, latest
  • 路径：**/details_harness|hendrycksTest-college_physics|5_2023-08-25T14:45:21.657251.parquet

• harness_hendrycksTest_computer_security_5

  • 分片：2023_08_25T14_45_21.657251, latest
  • 路径：**/details_harness|hendrycksTest-computer_security|5_2023-08-25T14:45:21.657251.parquet

• harness_hendrycksTest_conceptual_physics_5

  • 分片：2023_08_25T14_45_21.657251, latest
  • 路径：**/details_harness|hendrycksTest-conceptual_physics|5_2023-08-25T14:45:21.657251.parquet

• harness_hendrycksTest_econometrics_5

  • 分片：2023_08_25T14_45_21.657251, latest
  • 路径：**/details_harness|hendrycksTest-econometrics|5_2023-08-25T14:45:21.657251.parquet

• harness_hendrycksTest_electrical_engineering_5

  • 分片：2023_08_25T14_45_21.657251, latest
  • 路径：**/details_harness|hendrycksTest-electrical_engineering|5_2023-08-25T14:45:21.657251.parquet

• harness_hendrycksTest_elementary_mathematics_5

  • 分片：2023_08_25T14_45_21.657251, latest
  • 路径：`**/details_harness|hend