open-llm-leaderboard-old/details_aboros98__merlin1.5

该数据集是在模型aboros98/merlin1.5的评估运行中自动创建的，用于Open LLM Leaderboard。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，每次运行都可以在特定配置中找到，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，results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

该数据集是在对模型 aboros98/merlin1.5 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。

数据集组成

• 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，每次运行可以在每个配置中找到特定的拆分，拆分名称使用运行的时间戳。
• "train" 拆分始终指向最新的结果。
• 一个额外的配置 "results" 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。

最新结果

以下是 2024-03-15T14:32:14.694038 运行的最新结果：

python { "all": { "acc": 0.5678897197189494, "acc_stderr": 0.0339682715364421, "acc_norm": 0.5694899190488795, "acc_norm_stderr": 0.03466672337661833, "mc1": 0.3292533659730722, "mc1_stderr": 0.01645126444006824, "mc2": 0.48030718490694285, "mc2_stderr": 0.015257213020870488 }, "harness|arc:challenge|25": { "acc": 0.5699658703071673, "acc_stderr": 0.014467631559137993, "acc_norm": 0.5955631399317406, "acc_norm_stderr": 0.014342036483436177 }, "harness|hellaswag|10": { "acc": 0.563931487751444, "acc_stderr": 0.004948824501355489, "acc_norm": 0.746265684126668, "acc_norm_stderr": 0.004342580277662736 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.26, "acc_stderr": 0.0440844002276808, "acc_norm": 0.26, "acc_norm_stderr": 0.0440844002276808 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 拆分：2024_03_15T14_32_14.694038
  • 路径：**/details_harness|arc:challenge|25_2024-03-15T14-32-14.694038.parquet
  • 拆分：latest
  • 路径：**/details_harness|arc:challenge|25_2024-03-15T14-32-14.694038.parquet

• harness_gsm8k_5

  • 拆分：2024_03_15T14_32_14.694038
  • 路径：**/details_harness|gsm8k|5_2024-03-15T14-32-14.694038.parquet
  • 拆分：latest
  • 路径：**/details_harness|gsm8k|5_2024-03-15T14-32-14.694038.parquet

• harness_hellaswag_10

  • 拆分：2024_03_15T14_32_14.694038
  • 路径：**/details_harness|hellaswag|10_2024-03-15T14-32-14.694038.parquet
  • 拆分：latest
  • 路径：**/details_harness|hellaswag|10_2024-03-15T14-32-14.694038.parquet

• harness_hendrycksTest_5

  • 拆分：2024_03_15T14_32_14.694038
  • 路径：
    • **/details_harness|hendrycksTest-abstract_algebra|5_2024-03-15T14-32-14.694038.parquet
    • **/details_harness|hendrycksTest-anatomy|5_2024-03-15T14-32-14.694038.parquet
    • **/details_harness|hendrycksTest-astronomy|5_2024-03-15T14-32-14.694038.parquet
    • **/details_harness|hendrycksTest-business_ethics|5_2024-03-15T14-32-14.694038.parquet
    • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-03-15T14-32-14.694038.parquet
    • **/details_harness|hendrycksTest-college_biology|5_2024-03-15T14-32-14.694038.parquet
    • **/details_harness|hendrycksTest-college_chemistry|5_2024-03-15T14-32-14.694038.parquet
    • **/details_harness|hendrycksTest-college_computer_science|5_2024-03-15T14-32-14.694038.parquet
    • **/details_harness|hendrycksTest-college_mathematics|5_2024-03-15T14-32-14.694038.parquet
    • **/details_harness|hendrycksTest-college_medicine|5_2024-03-15T14-32-14.694038.parquet
    • **/details_harness|hendrycksTest-college_physics|5_2024-03-15T14-32-14.694038.parquet
    • **/details_harness|hendrycksTest-computer_security|5_2024-03-15T14-32-14.694038.parquet
    • **/details_harness|hendrycksTest-conceptual_physics|5_2024-03-15T14-32-14.694038.parquet
    • **/details_harness|hendrycksTest-econometrics|5_2024-03-15T14-32-14.694038.parquet
    • **/details_harness|hendrycksTest-electrical_engineering|5_2024-03-15T14-32-14.694038.parquet
    • **/details_harness|hendrycksTest-elementary_mathematics|5_2024-03-15T14-32-14.694038.parquet
    • **/details_harness|hendrycksTest-formal_logic|5_2024-03-15T14-32-14.694038.parquet
    • **/details_harness|hendrycksTest-global_facts|5_2024-03-15T14-32-14.694038.parquet
    • **/details_harness|hendrycksTest-high_school_biology|5_2024-03-15T14-32-14.694038.parquet
    • **/details_harness|hendrycksTest-high_school_chemistry|5_2024-03-15T14-32-14.694038.parquet

    其他路径...

}