five

open-llm-leaderboard-old/details_Devio__testC

收藏
Hugging Face2023-09-02 更新2024-06-22 收录
下载链接:
https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_Devio__testC
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集是在模型Devio/testC的评估运行期间自动创建的,用于Open LLM Leaderboard。数据集由61个配置组成,每个配置对应一个评估任务。数据集从1次运行中创建,每次运行可以在每个配置的特定分割中找到,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,并用于计算和显示Open LLM Leaderboard上的聚合指标。

该数据集是在模型Devio/testC的评估运行期间自动创建的,用于Open LLM Leaderboard。数据集由61个配置组成,每个配置对应一个评估任务。数据集从1次运行中创建,每次运行可以在每个配置的特定分割中找到,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,并用于计算和显示Open LLM Leaderboard上的聚合指标。
提供机构:
open-llm-leaderboard-old
原始信息汇总

数据集概述

数据集来源

该数据集是在对模型 Devio/testC 进行评估运行期间自动创建的,评估运行在 Open LLM Leaderboard 上进行。

数据集结构

  • 配置数量:61个配置,每个配置对应一个评估任务。
  • 创建次数:从1次运行中创建。每个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。
  • 训练分割:"train" 分割始终指向最新的结果。
  • 结果配置:一个额外的配置 "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。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Devio__testC", "harness_truthfulqa_mc_0", split="train")

最新结果

以下是 2023-09-02T17:27:16.860385 运行 的最新结果:

python { "all": { "acc": 0.28185588236286707, "acc_stderr": 0.03225753349873974, "acc_norm": 0.2855290591736718, "acc_norm_stderr": 0.03226027924923892, "mc1": 0.20318237454100369, "mc1_stderr": 0.014085666526340882, "mc2": 0.35665813452391837, "mc2_stderr": 0.014271431688144938 }, "harness|arc:challenge|25": { "acc": 0.35494880546075086, "acc_stderr": 0.013983036904094097, "acc_norm": 0.39590443686006827, "acc_norm_stderr": 0.014291228393536583 }, "harness|hellaswag|10": { "acc": 0.4529974108743278, "acc_stderr": 0.004967685204073108, "acc_norm": 0.6287592113124876, "acc_norm_stderr": 0.004821492994082116 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.3, "acc_stderr": 0.04605661864718381, "acc_norm": 0.3, "acc_norm_stderr": 0.04605661864718381 }, # 其他任务的结果... "harness|truthfulqa:mc|0": { "mc1": 0.20318237454100369, "mc1_stderr": 0.014085666526340882, "mc2": 0.35665813452391837, "mc2_stderr": 0.014271431688144938 } }

配置详情

  • 配置名称:harness_arc_challenge_25

    • 数据文件
      • 分割:2023_09_02T17_27_16.860385
        • 路径:**/details_harness|arc:challenge|25_2023-09-02T17:27:16.860385.parquet
      • 分割:latest
        • 路径:**/details_harness|arc:challenge|25_2023-09-02T17:27:16.860385.parquet
  • 配置名称:harness_hellaswag_10

    • 数据文件
      • 分割:2023_09_02T17_27_16.860385
        • 路径:**/details_harness|hellaswag|10_2023-09-02T17:27:16.860385.parquet
      • 分割:latest
        • 路径:**/details_harness|hellaswag|10_2023-09-02T17:27:16.860385.parquet
  • 配置名称:harness_hendrycksTest_5

    • 数据文件
      • 分割:2023_09_02T17_27_16.860385
        • 路径:
          • **/details_harness|hendrycksTest-abstract_algebra|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-anatomy|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-astronomy|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-business_ethics|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-clinical_knowledge|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-college_biology|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-college_chemistry|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-college_computer_science|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-college_mathematics|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-college_medicine|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-college_physics|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-computer_security|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-conceptual_physics|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-econometrics|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-electrical_engineering|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-elementary_mathematics|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-formal_logic|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-global_facts|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-high_school_biology|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-high_school_chemistry|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-high_school_computer_science|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-high_school_european_history|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-high_school_geography|5_2023-09-02T17:27:16.860385.parquet
          • **/details_harness|hendrycksTest-high_school_government_and_politics|5_2023-09-02T17:27:16.860385.parquet

          其他任务的路径...

}

5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作