open-llm-leaderboard/details_junelee__wizard-vicuna-13b

该数据集是在模型 junelee/wizard-vicuna-13b 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集由 64 个配置组成，每个配置对应一个被评估的任务。它由 2 次运行生成，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。文件还提供了如何使用 Python 中的 datasets 库加载运行中的详细信息的示例。

This dataset was automatically created during the evaluation run of the model junelee/wizard-vicuna-13b on the Open LLM Leaderboard. The dataset consists of 64 configurations, each corresponding to one evaluated task. It is generated from two runs, with each run represented as a specific split within each configuration. The 'train' split always points to the most recent results. An additional configuration named 'results' stores the aggregated results from all runs, which are used to calculate and display the aggregated metrics on the Open LLM Leaderboard. The documentation also provides examples of how to load the runs using the datasets library in Python.

原始信息汇总

数据集概述

数据集来源

该数据集是在评估模型 junelee/wizard-vicuna-13b 在 Open LLM Leaderboard 上的运行过程中自动创建的。

数据集结构

• 配置数量：64个配置，每个配置对应一个评估任务。
• 运行次数：数据集从2次运行中创建。每个运行在每个配置中作为一个特定的分片存在，分片名称使用运行的时间戳。
• 最新结果："train" 分片始终指向最新的结果。
• 结果汇总：一个额外的配置 "results" 存储所有运行的汇总结果，用于计算和显示在 Open LLM Leaderboard 上的汇总指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_junelee__wizard-vicuna-13b", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-29T14:38:37.071272 运行 的最新结果： python { "all": { "em": 0.03544463087248322, "em_stderr": 0.0018935573437954085, "f1": 0.10134962248322173, "f1_stderr": 0.002317193152000018, "acc": 0.4199801576497466, "acc_stderr": 0.010074715624299561 }, "harness|drop|3": { "em": 0.03544463087248322, "em_stderr": 0.0018935573437954085, "f1": 0.10134962248322173, "f1_stderr": 0.002317193152000018 }, "harness|gsm8k|5": { "acc": 0.09173616376042457, "acc_stderr": 0.007950942148339338 }, "harness|winogrande|5": { "acc": 0.7482241515390686, "acc_stderr": 0.012198489100259785 } }

配置详情

以下是部分配置及其数据文件路径：

• harness_arc_challenge_25

  • 分片：2023_07_18T14_12_52.847326
    • 路径：**/details_harness|arc:challenge|25_2023-07-18T14:12:52.847326.parquet
  • 分片：latest
    • 路径：**/details_harness|arc:challenge|25_2023-07-18T14:12:52.847326.parquet

• harness_drop_3

  • 分片：2023_10_29T14_38_37.071272
    • 路径：**/details_harness|drop|3_2023-10-29T14-38-37.071272.parquet
  • 分片：latest
    • 路径：**/details_harness|drop|3_2023-10-29T14-38-37.071272.parquet

• harness_gsm8k_5

  • 分片：2023_10_29T14_38_37.071272
    • 路径：**/details_harness|gsm8k|5_2023-10-29T14-38-37.071272.parquet
  • 分片：latest
    • 路径：**/details_harness|gsm8k|5_2023-10-29T14-38-37.071272.parquet

• harness_hellaswag_10

  • 分片：2023_07_18T14_12_52.847326
    • 路径：**/details_harness|hellaswag|10_2023-07-18T14:12:52.847326.parquet
  • 分片：latest
    • 路径：**/details_harness|hellaswag|10_2023-07-18T14:12:52.847326.parquet

• harness_hendrycksTest_5

  • 分片：2023_07_18T14_12_52.847326
    • 路径：
      • **/details_harness|hendrycksTest-abstract_algebra|5_2023-07-18T14:12:52.847326.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2023-07-18T14:12:52.847326.parquet
      • ...（其他路径省略）
  • 分片：latest
    • 路径：
      • **/details_harness|hendrycksTest-abstract_algebra|5_2023-07-18T14:12:52.847326.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2023-07-18T14:12:52.847326.parquet
      • ...（其他路径省略）