open-llm-leaderboard-old/details_sequelbox__DaringFortitude
收藏Hugging Face2023-11-15 更新2024-06-22 收录
下载链接：
https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_sequelbox__DaringFortitude
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是在评估模型sequelbox/DaringFortitude时自动生成的，评估过程在Open LLM Leaderboard上进行。数据集包含64个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行的结果作为特定的分割存储在配置中，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，还有一个名为results的配置，存储了所有运行的聚合结果，用于计算和显示Open LLM Leaderboard上的聚合指标。
该数据集是在评估模型sequelbox/DaringFortitude时自动生成的，评估过程在Open LLM Leaderboard上进行。数据集包含64个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行的结果作为特定的分割存储在配置中，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，还有一个名为results的配置，存储了所有运行的聚合结果，用于计算和显示Open LLM Leaderboard上的聚合指标。
提供机构：
open-llm-leaderboard-old
原始信息汇总
数据集概述
数据集组成
- 该数据集包含64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，每个运行结果以时间戳命名的特定分片存储。
- "train"分片始终指向最新的结果。
- 额外的"results"配置存储所有运行的聚合结果，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_sequelbox__DaringFortitude_public", "harness_winogrande_5", split="train")
最新结果
- 最新结果来自2023-11-15T00:35:47.431209的运行，包含多个任务的评估指标。
- 示例结果： python { "all": { "acc": 0.5932217761298214, "acc_stderr": 0.03305656216343214, "acc_norm": 0.6027951864354921, "acc_norm_stderr": 0.03382034227909779, "mc1": 0.40269277845777235, "mc1_stderr": 0.017168830935187215, "mc2": 0.559561930249219, "mc2_stderr": 0.015693079433704838, "em": 0.01950503355704698, "em_stderr": 0.0014162361849700607, "f1": 0.12218750000000013, "f1_stderr": 0.002284380268622334 }, "harness|arc:challenge|25": { "acc": 0.6032423208191127, "acc_stderr": 0.01429651302018063, "acc_norm": 0.6348122866894198, "acc_norm_stderr": 0.014070265519268802 }, "harness|hellaswag|10": { "acc": 0.6360286795459071, "acc_stderr": 0.004801572028920796, "acc_norm": 0.8355905198167696, "acc_norm_stderr": 0.003698892388380099 }, # 其他任务结果省略... }
配置详情
-
harness_arc_challenge_25
- 分片：2023_11_15T00_35_47.431209, latest
- 路径：
**/details_harness|arc:challenge|25_2023-11-15T00-35-47.431209.parquet
-
harness_drop_3
- 分片：2023_11_15T00_35_47.431209, latest
- 路径：
**/details_harness|drop|3_2023-11-15T00-35-47.431209.parquet
-
harness_gsm8k_5
- 分片：2023_11_15T00_35_47.431209, latest
- 路径：
**/details_harness|gsm8k|5_2023-11-15T00-35-47.431209.parquet
-
harness_hellaswag_10
- 分片：2023_11_15T00_35_47.431209, latest
- 路径：
**/details_harness|hellaswag|10_2023-11-15T00-35-47.431209.parquet
-
harness_hendrycksTest_5
- 分片：2023_11_15T00_35_47.431209
- 路径：
**/details_harness|hendrycksTest-abstract_algebra|5_2023-11-15T00-35-47.431209.parquet**/details_harness|hendrycksTest-anatomy|5_2023-11-15T00-35-47.431209.parquet**/details_harness|hendrycksTest-astronomy|5_2023-11-15T00-35-47.431209.parquet**/details_harness|hendrycksTest-business_ethics|5_2023-11-15T00-35-47.431209.parquet**/details_harness|hendrycksTest-clinical_knowledge|5_2023-11-15T00-35-47.431209.parquet**/details_harness|hendrycksTest-college_biology|5_2023-11-15T00-35-47.431209.parquet**/details_harness|hendrycksTest-college_chemistry|5_2023-11-15T00-35-47.431209.parquet**/details_harness|hendrycksTest-college_computer_science|5_2023-11-15T00-35-47.431209.parquet**/details_harness|hendrycksTest-college_mathematics|5_2023-11-15T00-35-47.431209.parquet**/details_harness|hendrycksTest-college_medicine|5_2023-11-15T00-35-47.431209.parquet**/details_harness|hendrycksTest-college_physics|5_2023-11-15T00-35-47.431209.parquet**/details_harness|hendrycksTest-computer_security|5_2023-11-15T00-35-47.431209.parquet- `**
