open-llm-leaderboard/details_TeeZee__NEBULA-XB-v1.0

该数据集是在Open LLM Leaderboard上对模型TeeZee/NEBULA-XB-v1.0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，每次运行都可以在特定配置中找到，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，results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

数据集名称

• pretty_name: Evaluation run of TeeZee/NEBULA-XB-v1.0

数据集描述

• dataset_summary: 该数据集是在评估模型TeeZee/NEBULA-XB-v1.0的过程中自动创建的，用于Open LLM Leaderboard。

数据集组成

• 配置数量: 63个
• 每个配置对应一个评估任务
• 数据来源: 来自1次运行
• 数据分割: 每个运行作为一个特定的分割，分割名使用运行的时间戳命名
• 特殊配置: “results”配置存储所有运行的聚合结果，用于计算和显示聚合指标

加载数据示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_TeeZee__NEBULA-XB-v1.0", "harness_winogrande_5", split="train")

最新结果

• 最新结果来自: run 2024-03-25T04:36:23.251201
• 结果示例: python { "all": { "acc": 0.6016815479533744, "acc_stderr": 0.03250492925197757, "acc_norm": 0.6126113304560323, "acc_norm_stderr": 0.033390435531689903, "mc1": 0.2778457772337821, "mc1_stderr": 0.015680929364024643, "mc2": 0.4402556200771511, "mc2_stderr": 0.014677209550467368 }, ... }

配置详情

• 配置名称: harness_arc_challenge_25, harness_gsm8k_5, harness_hellaswag_10, harness_hendrycksTest_5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2024_03_25T04_36_23.251201和latest）
• 文件路径示例:
  • **/details_harness|arc:challenge|25_2024-03-25T04-36-23.251201.parquet
  • **/details_harness|gsm8k|5_2024-03-25T04-36-23.251201.parquet
  • **/details_harness|hellaswag|10_2024-03-25T04-36-23.251201.parquet
  • **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-25T04-36-23.251201.parquet等