open-llm-leaderboard-old/details_paulml__NMTOB-7B

该数据集是在模型 paulml/NMTOB-7B 在 Open LLM Leaderboard 上的评估运行期间自动创建的。它由 63 个配置组成，每个配置对应一个被评估的任务。数据集是从 1 次运行中生成的，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。一个额外的配置 results 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。可以使用 datasets 库中的 load_dataset 函数加载该数据集。

原始信息汇总

数据集概述

数据集简介

• 名称: Evaluation run of paulml/NMTOB-7B
• 创建目的: 用于评估模型 paulml/NMTOB-7B 在 Open LLM Leaderboard 上的表现。
• 组成: 包含 63 个配置，每个配置对应一个评估任务。
• 创建来源: 从 1 次运行中自动创建。每个运行结果作为一个特定的分割（split）存储，分割名称使用运行的时间戳。"train" 分割始终指向最新的结果。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_paulml__NMTOB-7B", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 最新结果来自 run 2024-02-12T12:41:06.200570
• 详细结果: 包含多个任务的准确率（acc）、标准化准确率（acc_norm）、以及相应的标准误差（stderr）。

配置详情

• 配置名称: harness_arc_challenge_25

  • 数据文件:
    • 分割: 2024_02_12T12_41_06.200570
      • 路径: **/details_harness|arc:challenge|25_2024-02-12T12-41-06.200570.parquet
    • 分割: latest
      • 路径: **/details_harness|arc:challenge|25_2024-02-12T12-41-06.200570.parquet

• 配置名称: harness_gsm8k_5

  • 数据文件:
    • 分割: 2024_02_12T12_41_06.200570
      • 路径: **/details_harness|gsm8k|5_2024-02-12T12-41-06.200570.parquet
    • 分割: latest
      • 路径: **/details_harness|gsm8k|5_2024-02-12T12-41-06.200570.parquet

• 配置名称: harness_hellaswag_10

  • 数据文件:
    • 分割: 2024_02_12T12_41_06.200570
      • 路径: **/details_harness|hellaswag|10_2024-02-12T12-41-06.200570.parquet
    • 分割: latest
      • 路径: **/details_harness|hellaswag|10_2024-02-12T12-41-06.200570.parquet

• 配置名称: harness_hendrycksTest_5

  • 数据文件:
    • 分割: 2024_02_12T12_41_06.200570
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-12T12-41-06.200570.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-02-12T12-41-06.200570.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-02-12T12-41-06.200570.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-02-12T12-41-06.200570.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-02-12T12-41-06.200570.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-02-12T12-41-06.200570.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-02-12T12-41-06.200570.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-02-12T12-41-06.200570.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-02-12T12-41-06.200570.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-02-12T12-41-06.200570.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-02-12T12-41-06.200570.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-02-12T12-41-06.200570.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-02-12T12-41-06.200570.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-02-12T12-41-06.200570.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-02-12T12-41-06.200570.parquet
        • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-02-12T12-41-06.200570.parquet
        • **/details_harness|hendrycksTest-formal_logic|5_2024-02-12T12-41-06.200570.parquet
        • **/details_harness|hendrycksTest-global_facts|5_2024-02-12T12-41-06.200570.parquet
        • **/details_harness|hendrycksTest-high_school_biology|5_2024-02-12T12-41-06.200570.parquet
        • **/details_harness|hendrycksTest-high_school_chemistry|5_2024-02-12T12-41-06.200570.parquet