open-llm-leaderboard/details_amu__orpo-phi2

该数据集是在评估模型amu/orpo-phi2期间自动创建的，用于Open LLM排行榜。数据集包含63个配置，每个配置对应一个评估任务。数据集来源于一次运行，每次运行都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分割始终指向最新的结果。此外，还有一个results配置，用于存储运行的所有聚合结果，并用于计算和显示排行榜上的聚合指标。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of amu/orpo-phi2

数据集描述

• dataset_summary: 该数据集是在评估模型amu/orpo-phi2在Open LLM Leaderboard上的运行过程中自动创建的。
• 组成: 数据集由63个配置组成，每个配置对应一个评估任务。
• 创建过程: 数据集从1次运行中创建，每次运行作为一个特定的分割，分割名称使用运行的时间戳命名。"train"分割始终指向最新的结果。
• 额外配置: 有一个名为"results"的额外配置，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_amu__orpo-phi2", "harness_winogrande_5", split="train")

最新结果

• 结果来源: latest results from run 2024-04-02T18:28:59.918481
• 结果内容: 包含多个任务的评估结果，每个任务包括准确率（acc）和标准误差（acc_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，每个文件对应一个特定的分割（如时间戳分割或最新分割），用于存储特定任务的评估数据。