open-llm-leaderboard/details_DUAL-GPO__phi-2-gpo-renew2-b0.001-i0

该数据集是在模型DUAL-GPO/phi-2-gpo-renew2-b0.001-i0的评估运行期间自动创建的，包含63个配置，每个配置对应一个评估任务。数据集由1次运行创建，每次运行都有特定的分割，分割名称使用运行的时间戳。此外，还有一个名为results的配置，存储了运行的所有聚合结果，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

数据集名称

• pretty_name: Evaluation run of DUAL-GPO/phi-2-gpo-renew2-b0.001-i0

数据集描述

• dataset_summary: 该数据集是在评估模型DUAL-GPO/phi-2-gpo-renew2-b0.001-i0的过程中自动创建的，用于Open LLM Leaderboard。

数据集组成

• 包含63个配置，每个配置对应一个评估任务。
• 数据集由1次运行创建，每次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命名。
• “train”分割始终指向最新结果。
• 额外配置“results”存储了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。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_DUAL-GPO__phi-2-gpo-renew2-b0.001-i0", "harness_winogrande_5", split="train")

最新结果

• 最新结果来自run 2024-04-15T23:00:17.682975。
• 结果包括多个任务的评估指标，如准确率(acc)、标准误差(acc_stderr)等。