five

open-llm-leaderboard-old/details_jsfs11__RandomMergeNoNormWEIGHTED-7B-DARETIES

收藏
Hugging Face2024-02-03 更新2024-06-22 收录
下载链接:
https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_jsfs11__RandomMergeNoNormWEIGHTED-7B-DARETIES
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集是在模型 [jsfs11/RandomMergeNoNormWEIGHTED-7B-DARETIES](https://huggingface.co/jsfs11/RandomMergeNoNormWEIGHTED-7B-DARETIES) 的评估运行期间自动创建的,评估运行在 [Open LLM Leaderboard](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard) 上进行。数据集由63个配置组成,每个配置对应一个评估任务。数据集是从1次运行中创建的,每次运行可以在每个配置中找到特定的拆分,拆分使用运行的时间戳命名。"train" 拆分始终指向最新的结果。此外,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](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard) 上的聚合指标。

该数据集是在模型 [jsfs11/RandomMergeNoNormWEIGHTED-7B-DARETIES](https://huggingface.co/jsfs11/RandomMergeNoNormWEIGHTED-7B-DARETIES) 的评估运行期间自动创建的,评估运行在 [Open LLM Leaderboard](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard) 上进行。数据集由63个配置组成,每个配置对应一个评估任务。数据集是从1次运行中创建的,每次运行可以在每个配置中找到特定的拆分,拆分使用运行的时间戳命名。"train" 拆分始终指向最新的结果。此外,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](https://huggingface.co/spaces/HuggingFaceH4/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

数据集简介

该数据集是在评估模型jsfs11/RandomMergeNoNormWEIGHTED-7B-DARETIES的过程中自动创建的,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。
  • 创建来源: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。
  • 额外配置:"results"配置存储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。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_jsfs11__RandomMergeNoNormWEIGHTED-7B-DARETIES", "harness_winogrande_5", split="train")

最新结果

以下是最新结果(来自2024-02-03T02:50:18.856359的运行): python { "all": { "acc": 0.6552300090149861, "acc_stderr": 0.032076654736606314, "acc_norm": 0.6548316131605267, "acc_norm_stderr": 0.032744319553620865, "mc1": 0.5777233782129743, "mc1_stderr": 0.017290733254248177, "mc2": 0.7150153897183856, "mc2_stderr": 0.014731194421516209 }, "harness|arc:challenge|25": { "acc": 0.7047781569965871, "acc_stderr": 0.013329750293382318, "acc_norm": 0.7337883959044369, "acc_norm_stderr": 0.012915774781523195 }, "harness|hellaswag|10": { "acc": 0.7093208524198367, "acc_stderr": 0.004531477407589653, "acc_norm": 0.8849830711013742, "acc_norm_stderr": 0.0031839033919416975 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.35, "acc_stderr": 0.047937248544110196, "acc_norm": 0.35, "acc_norm_stderr": 0.047937248544110196 }, ... }

配置详情

  • harness_arc_challenge_25

    • 分割:2024_02_03T02_50_18.856359
    • 路径:**/details_harness|arc:challenge|25_2024-02-03T02-50-18.856359.parquet
    • 分割:latest
    • 路径:**/details_harness|arc:challenge|25_2024-02-03T02-50-18.856359.parquet
  • harness_gsm8k_5

    • 分割:2024_02_03T02_50_18.856359
    • 路径:**/details_harness|gsm8k|5_2024-02-03T02-50-18.856359.parquet
    • 分割:latest
    • 路径:**/details_harness|gsm8k|5_2024-02-03T02-50-18.856359.parquet
  • harness_hellaswag_10

    • 分割:2024_02_03T02_50_18.856359
    • 路径:**/details_harness|hellaswag|10_2024-02-03T02-50-18.856359.parquet
    • 分割:latest
    • 路径:**/details_harness|hellaswag|10_2024-02-03T02-50-18.856359.parquet
  • harness_hendrycksTest_5

    • 分割:2024_02_03T02_50_18.856359
    • 路径:
      • **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-03T02-50-18.856359.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2024-02-03T02-50-18.856359.parquet
      • **/details_harness|hendrycksTest-astronomy|5_2024-02-03T02-50-18.856359.parquet
      • **/details_harness|hendrycksTest-business_ethics|5_2024-02-03T02-50-18.856359.parquet
      • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-02-03T02-50-18.856359.parquet
      • **/details_harness|hendrycksTest-college_biology|5_2024-02-03T02-50-18.856359.parquet
      • **/details_harness|hendrycksTest-college_chemistry|5_2024-02-03T02-50-18.856359.parquet
      • **/details_harness|hendrycksTest-college_computer_science|5_2024-02-03T02-50-18.856359.parquet
      • **/details_harness|hendrycksTest-college_mathematics|5_2024-02-03T02-50-18.856359.parquet
      • **/details_harness|hendrycksTest-college_medicine|5_2024-02-03T02-50-18.856359.parquet
      • **/details_harness|hendrycksTest-college_physics|5_2024-02-03T02-50-18.856359.parquet
      • **/details_harness|hendrycksTest-computer_security|5_2024-02-03T02-50-18.856359.parquet
      • **/details_harness|hendrycksTest-conceptual_physics|5_2024-02-03T02-50-18.856359.parquet
      • **/details_harness|hendrycksTest-econometrics|5_2024-02-03T02-50-18.856359.parquet
      • **/details_harness|hendrycksTest-electrical_engineering|5_2024-02-03T02-50-18.856359.parquet
      • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-02-03T02-50-18.856359.parquet
      • **/details_harness|hendrycksTest-formal_logic|5_2024-02-03T02-50-18.856359.parquet
      • **/details_harness|hendrycksTest-global_facts|5_2024-02-03T02-50-18.856359.parquet
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作