open-llm-leaderboard-old/details_eren23__Experiment26-12B
收藏数据集概述
数据集简介
该数据集是在模型 eren23/Experiment26-12B 的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：63个配置，每个配置对应一个评估任务。
- 数据来源：数据集来自1次运行，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。
- 汇总结果：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 上的聚合指标。
数据加载示例
python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_eren23__Experiment26-12B", "harness_winogrande_5", split="train")
最新结果
这些是最新结果的示例，来自2024-03-13T12:49:09.388382的运行： python { "all": { "acc": 0.6402681032299704, "acc_stderr": 0.03257871602190505, "acc_norm": 0.6425937133842362, "acc_norm_stderr": 0.033246297990057946, "mc1": 0.5581395348837209, "mc1_stderr": 0.01738476747898621, "mc2": 0.7212247872838202, "mc2_stderr": 0.014761691292219955 }, "harness|arc:challenge|25": { "acc": 0.6697952218430034, "acc_stderr": 0.013743085603760427, "acc_norm": 0.6885665529010239, "acc_norm_stderr": 0.013532472099850945 }, "harness|hellaswag|10": { "acc": 0.7141007767377017, "acc_stderr": 0.0045091819193228445, "acc_norm": 0.8858793069109739, "acc_norm_stderr": 0.0031730798074401816 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.33, "acc_stderr": 0.04725815626252606, "acc_norm": 0.33, "acc_norm_stderr": 0.04725815626252606 }, # 其他任务的结果... }
配置详情
-
harness_arc_challenge_25
- 分割：2024_03_13T12_49_09.388382, latest
- 路径：
**/details_harness|arc:challenge|25_2024-03-13T12-49-09.388382.parquet
-
harness_gsm8k_5
- 分割：2024_03_13T12_49_09.388382, latest
- 路径：
**/details_harness|gsm8k|5_2024-03-13T12-49-09.388382.parquet
-
harness_hellaswag_10
- 分割：2024_03_13T12_49_09.388382, latest
- 路径：
**/details_harness|hellaswag|10_2024-03-13T12-49-09.388382.parquet
-
harness_hendrycksTest_5
- 分割：2024_03_13T12_49_09.388382, latest
- 路径：多个路径，包括不同任务的parquet文件
