open-llm-leaderboard-old/details_euclaise__crow-1b

该数据集是在模型euclaise/crow-1b的评估运行期间自动创建的，用于Open LLM Leaderboard的评估。数据集包含63个配置，每个配置对应一个评估任务。数据集由1次运行创建，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。此外，results配置存储了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。

原始信息汇总

数据集概述

数据集信息

• 名称: Evaluation run of euclaise/crow-1b
• 来源: 在模型 euclaise/crow-1b 的评估运行期间自动创建。
• 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。
• 最新结果: "train" 分割始终指向最新结果。
• 结果汇总: 一个额外的配置 "results" 存储所有运行的汇总结果，用于计算和显示在 Open LLM Leaderboard 上的汇总指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_euclaise__crow-1b", "harness_winogrande_5", split="train")

最新结果

• 时间戳: 2024-01-10T15:21:15.168348
• 详细结果: 包含多个任务的评估结果，例如：
  • harness|arc:challenge|25:
    • acc: 0.2295221843003413
    • acc_norm: 0.2551194539249147
  • harness|hellaswag|10:
    • acc: 0.2606054570802629
    • acc_norm: 0.25871340370444135
  • harness|hendrycksTest-abstract_algebra|5:
    • acc: 0.22
    • acc_norm: 0.22
  • 其他任务结果详见完整文档。

配置信息

• 配置名称:
  • harness_arc_challenge_25
  • harness_gsm8k_5
  • harness_hellaswag_10
  • harness_hendrycksTest_5
• 数据文件:
  • 每个配置包含多个数据文件，路径和分割信息详见完整文档。