open-llm-leaderboard/details_MaziyarPanahi__Llama-3-8B-Instruct-DPO-v0.1

该数据集是在评估模型MaziyarPanahi/Llama-3-8B-Instruct-DPO-v0.1时自动生成的，包含63个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行的结果存储为特定配置中的一个分割，分割名称使用运行的时间戳。数据集还包含一个名为"results"的配置，用于存储所有运行的聚合结果，并在Open LLM Leaderboard上显示。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of MaziyarPanahi/Llama-3-8B-Instruct-DPO-v0.1

数据集创建

• dataset_summary: 该数据集是自动创建的，用于评估模型MaziyarPanahi/Llama-3-8B-Instruct-DPO-v0.1在Open LLM Leaderboard上的表现。

数据集结构

• 组成: 由63个配置组成，每个配置对应一个评估任务。
• 创建次数: 数据集从1次运行中创建。
• 数据分割: 每个运行作为特定分割存在于每个配置中，分割名称使用运行的时间戳命名。"train"分割始终指向最新结果。

额外配置

• 配置名称: "results"
• 功能: 存储所有聚合的运行结果，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_MaziyarPanahi__Llama-3-8B-Instruct-DPO-v0.1", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自run 2024-04-24T18:52:43.405052。
• 结果内容: 包含多个任务的评估结果，如"acc", "acc_stderr", "acc_norm", "acc_norm_stderr"等指标。

数据集配置详情

配置列表

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个数据文件，每个文件对应不同的任务和时间戳，用于存储评估结果。