open-llm-leaderboard-old/details_fblgit__UNA-34BeagleSimpleMath-32K-v1

数据集是在评估模型fblgit/UNA-34BeagleSimpleMath-32K-v1时自动创建的，评估在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。数据集由1次运行生成，每次运行可以在每个配置中找到，运行的时间戳作为分割名称。train分割始终指向最新的结果。results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 fblgit/UNA-34BeagleSimpleMath-32K-v1
• 来源: 自动创建于模型 fblgit/UNA-34BeagleSimpleMath-32K-v1 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: 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。"train" 分割始终指向最新结果。
• 额外配置: "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_fblgit__UNA-34BeagleSimpleMath-32K-v1", "harness_winogrande_5", split="train")

最新结果

• 最新结果: 来自2024-01-25T19:30:47.862890运行的最新结果。
• 详细结果: 包含多个任务的准确率（acc）、标准化准确率（acc_norm）、误差（stderr）等指标。

配置详情

• 配置名称: harness_arc_challenge_25

  • 数据文件:
    • 分割: 2024_01_25T19_30_47.862890
      • 路径: **/details_harness|arc:challenge|25_2024-01-25T19-30-47.862890.parquet
    • 分割: latest
      • 路径: **/details_harness|arc:challenge|25_2024-01-25T19-30-47.862890.parquet

• 配置名称: harness_gsm8k_5

  • 数据文件:
    • 分割: 2024_01_25T19_30_47.862890
      • 路径: **/details_harness|gsm8k|5_2024-01-25T19-30-47.862890.parquet
    • 分割: latest
      • 路径: **/details_harness|gsm8k|5_2024-01-25T19-30-47.862890.parquet

• 配置名称: harness_hellaswag_10

  • 数据文件:
    • 分割: 2024_01_25T19_30_47.862890
      • 路径: **/details_harness|hellaswag|10_2024-01-25T19-30-47.862890.parquet
    • 分割: latest
      • 路径: **/details_harness|hellaswag|10_2024-01-25T19-30-47.862890.parquet

• 配置名称: harness_hendrycksTest_5

  • 数据文件:
    • 分割: 2024_01_25T19_30_47.862890
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-01-25T19-30-47.862890.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-01-25T19-30-47.862890.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-01-25T19-30-47.862890.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-01-25T19-30-47.862890.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-01-25T19-30-47.862890.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-01-25T19-30-47.862890.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-01-25T19-30-47.862890.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-01-25T19-30-47.862890.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-01-25T19-30-47.862890.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-01-25T19-30-47.862890.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-01-25T19-30-47.862890.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-01-25T19-30-47.862890.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-01-25T19-30-47.862890.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-01-25T19-30-47.862890.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-01-25T19-30-47.862890.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-01-25T19-30-47.862890.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2024-01-25T19-30-47.862890.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2024-01-25T19-30-47.862890.parquet