open-llm-leaderboard/details_lizhuang144__llama_mirror_13b_v1.0

该数据集是在模型 lizhuang144/llama_mirror_13b_v1.0 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，每个配置对应一个被评估的任务。数据集由 2 次运行生成，每次运行在每个配置中表示为特定的拆分，并以运行的时间戳命名。train 拆分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 `datasets` 库中的 `load_dataset` 函数加载运行中的详细信息的示例。

This dataset was automatically generated during the evaluation run of the model lizhuang144/llama_mirror_13b_v1.0 on the Open LLM Leaderboard. The dataset comprises 64 configurations, each corresponding to one evaluated task. It is generated from two runs, where each run is represented as a specific split under each configuration and named with the timestamp of the run. The 'train' split always points to the most recent results. An additional configuration named 'results' stores the aggregated results across all runs, which are utilized to compute and display the aggregate metrics on the Open LLM Leaderboard. The README also provides examples of how to use the `load_dataset` function from the `datasets` library to load detailed information from the runs.

原始信息汇总

数据集概述

数据集简介

该数据集是在对模型 lizhuang144/llama_mirror_13b_v1.0 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

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。
• 创建来源：从2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。
• 最新结果："train" 分割始终指向最新的结果。
• 结果汇总：一个额外的配置 "results" 存储所有运行的汇总结果，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_lizhuang144__llama_mirror_13b_v1.0", "harness_winogrande_5", split="train")

最新结果

以下是 2023-09-17T10:53:19.904763 运行 的最新结果： python { "all": { "em": 0.002726510067114094, "em_stderr": 0.0005340111700415926, "f1": 0.06866086409395994, "f1_stderr": 0.0014864813602608763, "acc": 0.42033799014225337, "acc_stderr": 0.00955801932501455 }, "harness|drop|3": { "em": 0.002726510067114094, "em_stderr": 0.0005340111700415926, "f1": 0.06866086409395994, "f1_stderr": 0.0014864813602608763 }, "harness|gsm8k|5": { "acc": 0.07429871114480667, "acc_stderr": 0.007223844172845574 }, "harness|winogrande|5": { "acc": 0.7663772691397001, "acc_stderr": 0.011892194477183524 } }

配置详情

以下是数据集的部分配置详情：

• harness_arc_challenge_25

  • 分割：2023_08_09T16_49_32.921683
  • 路径：**/details_harness|arc:challenge|25_2023-08-09T16:49:32.921683.parquet
  • 分割：latest
  • 路径：**/details_harness|arc:challenge|25_2023-08-09T16:49:32.921683.parquet

• harness_drop_3

  • 分割：2023_09_17T10_53_19.904763
  • 路径：**/details_harness|drop|3_2023-09-17T10-53-19.904763.parquet
  • 分割：latest
  • 路径：**/details_harness|drop|3_2023-09-17T10-53-19.904763.parquet

• harness_gsm8k_5

  • 分割：2023_09_17T10_53_19.904763
  • 路径：**/details_harness|gsm8k|5_2023-09-17T10-53-19.904763.parquet
  • 分割：latest
  • 路径：**/details_harness|gsm8k|5_2023-09-17T10-53-19.904763.parquet

• harness_hellaswag_10

  • 分割：2023_08_09T16_49_32.921683
  • 路径：**/details_harness|hellaswag|10_2023-08-09T16:49:32.921683.parquet
  • 分割：latest
  • 路径：**/details_harness|hellaswag|10_2023-08-09T16:49:32.921683.parquet

• harness_hendrycksTest_5

  • 分割：2023_08_09T16_49_32.921683
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-08-09T16:49:32.921683.parquet
  • 分割：latest
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-08-09T16:49:32.921683.parquet