open-llm-leaderboard-old/details_maywell__TinyWand-DPO

该数据集是在模型maywell/TinyWand-DPO评估运行期间自动创建的，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。数据集由2次运行创建，每次运行作为特定分割，使用运行的时间戳命名。train分割始终指向最新结果。额外的results配置存储了运行的所有聚合结果，用于在Open LLM排行榜上计算和显示聚合指标。数据集结构包括针对不同任务的各种配置，并包含每个任务的详细指标，如准确性和标准误差。

原始信息汇总

数据集概述

数据集简介

该数据集是在评估模型 maywell/TinyWand-DPO 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：63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割存在，分割名称使用运行的时间戳。
• 训练分割："train" 分割始终指向最新的结果。
• 结果配置：一个额外的配置 "results" 存储所有运行的聚合结果，用于计算和显示在 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_maywell__TinyWand-DPO", "harness_winogrande_5", split="train")

最新结果

以下是 2024-01-05T00:09:32.936304 运行的最新结果：

python { "all": { "acc": 0.2655433653054064, "acc_stderr": 0.03111741198604922, "acc_norm": 0.26719446320471346, "acc_norm_stderr": 0.0318783951719576, "mc1": 0.27906976744186046, "mc1_stderr": 0.015702107090627908, "mc2": 0.45798804726561826, "mc2_stderr": 0.015831347201952926 }, "harness|arc:challenge|25": { "acc": 0.29266211604095566, "acc_stderr": 0.013295916103619417, "acc_norm": 0.3165529010238908, "acc_norm_stderr": 0.013592431519068079 }, "harness|hellaswag|10": { "acc": 0.3950408285202151, "acc_stderr": 0.004878603699686035, "acc_norm": 0.5041824337781319, "acc_norm_stderr": 0.004989606838371073 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.3, "acc_stderr": 0.046056618647183814, "acc_norm": 0.3, "acc_norm_stderr": 0.046056618647183814 }, # 其他任务的结果... }

配置详情

• harness_arc_challenge_25

  • 分割：2024_01_05T00_09_32.936304, latest
  • 路径：**/details_harness|arc:challenge|25_2024-01-05T00-09-32.936304.parquet

• harness_gsm8k_5

  • 分割：2024_01_05T00_09_32.936304, latest
  • 路径：**/details_harness|gsm8k|5_2024-01-05T00-09-32.936304.parquet

• harness_hellaswag_10

  • 分割：2024_01_05T00_09_32.936304, latest
  • 路径：**/details_harness|hellaswag|10_2024-01-05T00-09-32.936304.parquet

• harness_hendrycksTest_5

  • 分割：2024_01_05T00_09_32.936304, latest
  • 路径：**/details_harness|hendrycksTest-abstract_algebra|5_2024-01-05T00-09-32.936304.parquet 等