open-llm-leaderboard-old/details_vicgalleorg__OpenHermes-Yi-9B

该数据集是在Open LLM Leaderboard上对模型vicgalleorg/OpenHermes-Yi-9B进行评估时自动创建的。数据集由63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中找到特定的分割，分割名称使用运行的时间戳。train分割始终指向最新结果。此外，还有一个名为results的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。

原始信息汇总

数据集概述

数据集摘要

该数据集是在评估模型 vicgalleorg/OpenHermes-Yi-9B 在 Open LLM Leaderboard 上的自动创建的。数据集包含 63 个配置，每个配置对应一个评估任务。数据集从 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。"train" 分割始终指向最新的结果。

数据集结构

数据集包含以下配置：

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个数据文件，每个数据文件对应一个特定的分割，如 2024_03_07T01_03_13.476946 和 latest。

最新结果

以下是 最新结果 的摘要：

python { "all": { "acc": 0.6906750893244723, "acc_stderr": 0.030776345024466335, "acc_norm": 0.6966800698368959, "acc_norm_stderr": 0.03136866310374744, "mc1": 0.27050183598531213, "mc1_stderr": 0.015550778332842892, "mc2": 0.4225455721872872, "mc2_stderr": 0.014721446205323074 }, "harness|arc:challenge|25": { "acc": 0.5665529010238908, "acc_stderr": 0.014481376224558902, "acc_norm": 0.606655290102389, "acc_norm_stderr": 0.014275101465693024 }, "harness|hellaswag|10": { "acc": 0.5844453296156145, "acc_stderr": 0.004918102168717934, "acc_norm": 0.7872933678550089, "acc_norm_stderr": 0.004083855139469325 }, "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... }

数据加载示例

要加载特定运行的详细信息，可以使用以下代码：

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_vicgalleorg__OpenHermes-Yi-9B", "harness_winogrande_5", split="train")