open-llm-leaderboard-old/details_NLUHOPOE__test-case-1

该数据集是在Open LLM Leaderboard上对模型NLUHOPOE/test-case-1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1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。一个额外的配置results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。文件还提供了如何使用datasets库加载运行细节的示例。

原始信息汇总

数据集概述

数据集信息

• 名称: Evaluation run of NLUHOPOE/test-case-1
• 来源: 自动创建于模型 NLUHOPOE/test-case-1 在 Open LLM Leaderboard 的评估运行中。
• 组成: 包含 63 个配置，每个配置对应一个评估任务。
• 创建: 从 1 次运行中创建，每个运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳。"train" 分割始终指向最新的结果。
• 结果配置: 一个额外的 "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。

最新结果

• 时间戳: 2024-02-23T03:06:27.392322
• 详细结果: 包含多个任务的准确率（acc）、标准化准确率（acc_norm）、以及其他指标（如 mc1, mc2 等）及其标准误差。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_NLUHOPOE__test-case-1", "harness_winogrande_5", split="train")

配置详情

• harness_arc_challenge_25:

  • 分割: 2024_02_23T03_06_27.392322, latest
  • 路径: **/details_harness|arc:challenge|25_2024-02-23T03-06-27.392322.parquet

• harness_gsm8k_5:

  • 分割: 2024_02_23T03_06_27.392322, latest
  • 路径: **/details_harness|gsm8k|5_2024-02-23T03-06-27.392322.parquet

• harness_hellaswag_10:

  • 分割: 2024_02_23T03_06_27.392322, latest
  • 路径: **/details_harness|hellaswag|10_2024-02-23T03-06-27.392322.parquet

• harness_hendrycksTest_5:

  • 分割: 2024_02_23T03_06_27.392322, latest
  • 路径: 包含多个任务的详细路径，如 **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-23T03-06-27.392322.parquet 等。