open-llm-leaderboard-old/details_TW3PartnersLLM__TW3-v2-AlpacaSmaug-72B

该数据集是在Open LLM Leaderboard上对模型TW3PartnersLLM/TW3-v2-AlpacaSmaug-72B进行评估运行时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。它包含一次运行的结果，每次运行在每个配置中表示为特定的分割。train分割始终指向最新的结果。一个名为results的额外配置存储了所有运行的聚合结果，这些结果用于计算和显示Open LLM Leaderboard上的聚合指标。README还提供了如何使用Python中的datasets库加载运行细节的示例。

原始信息汇总

数据集概述

数据集简介

该数据集是在对模型 TW3PartnersLLM/TW3-v2-AlpacaSmaug-72B 进行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。
• 最新结果："train" 分割始终指向最新结果。
• 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 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_TW3PartnersLLM__TW3-v2-AlpacaSmaug-72B", "harness_winogrande_5", split="train")

最新结果

以下是 2024-02-14T11:27:51.194235 运行的最新结果：

python { "all": { "acc": 0.23082125681978313, "acc_stderr": 0.02986949959492494, "acc_norm": 0.23087014880014953, "acc_norm_stderr": 0.030656588530011887, "mc1": 0.23378212974296206, "mc1_stderr": 0.014816195991931593, "mc2": 0.48654521547048707, "mc2_stderr": 0.01630952029889674 }, "harness|arc:challenge|25": { "acc": 0.2150170648464164, "acc_stderr": 0.012005717634133611, "acc_norm": 0.257679180887372, "acc_norm_stderr": 0.012780770562768407 }, "harness|hellaswag|10": { "acc": 0.25652260505875324, "acc_stderr": 0.004358210689442257, "acc_norm": 0.2523401712806214, "acc_norm_stderr": 0.00433467695270386 }, # 其他任务结果省略... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_02_14T11_27_51.194235, latest
  • 路径：**/details_harness|arc:challenge|25_2024-02-14T11-27-51.194235.parquet

• harness_gsm8k_5

  • 分割：2024_02_14T11_27_51.194235, latest
  • 路径：**/details_harness|gsm8k|5_2024-02-14T11-27-51.194235.parquet

• harness_hellaswag_10

  • 分割：2024_02_14T11_27_51.194235, latest
  • 路径：**/details_harness|hellaswag|10_2024-02-14T11-27-51.194235.parquet

• harness_hendrycksTest_5

  • 分割：2024_02_14T11_27_51.194235, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2024-02-14T11-27-51.194235.parquet 等