open-llm-leaderboard/details_psmathur__orca_mini_v2_7b

该数据集是在评估psmathur/orca_mini_v2_7b模型时自动创建的，包含64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，每次运行对应一个特定的分割，分割名称使用运行的时间戳。还有一个名为results的额外配置，存储所有运行的聚合结果，用于计算和显示聚合指标。

原始信息汇总

数据集概述

数据集创建

• 创建背景：该数据集是在对模型 psmathur/orca_mini_v2_7b 进行评估运行期间自动创建的。
• 评估平台：数据集用于 Open LLM Leaderboard。

数据集结构

• 配置数量：数据集包含 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。每个运行结果作为一个特定的分割（split）存储，分割名称使用运行的时间戳。
• 最新结果："train" 分割始终指向最新的结果。
• 汇总结果：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 上的聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_psmathur__orca_mini_v2_7b", "harness_winogrande_5", split="train")

最新结果

• 最新结果时间戳：2023-09-22T15:49:31.845900
• 结果示例： python { "all": { "em": 0.19305788590604026, "em_stderr": 0.004042077305732669, "f1": 0.2522955117449661, "f1_stderr": 0.00407273200010099, "acc": 0.371547709303585, "acc_stderr": 0.008652008076903053 }, "harness|drop|3": { "em": 0.19305788590604026, "em_stderr": 0.004042077305732669, "f1": 0.2522955117449661, "f1_stderr": 0.00407273200010099 }, "harness|gsm8k|5": { "acc": 0.02880970432145565, "acc_stderr": 0.004607484283767487 }, "harness|winogrande|5": { "acc": 0.7142857142857143, "acc_stderr": 0.012696531870038616 } }

配置详情

• 配置名称：harness_arc_challenge_25

  • 分割：2023_07_19T16_55_35.342185, latest
  • 路径：**/details_harness|arc:challenge|25_2023-07-19T16:55:35.342185.parquet

• 配置名称：harness_drop_3

  • 分割：2023_09_22T15_49_31.845900, latest
  • 路径：**/details_harness|drop|3_2023-09-22T15-49-31.845900.parquet

• 配置名称：harness_gsm8k_5

  • 分割：2023_09_22T15_49_31.845900, latest
  • 路径：**/details_harness|gsm8k|5_2023-09-22T15-49-31.845900.parquet

• 配置名称：harness_hellaswag_10

  • 分割：2023_07_19T16_55_35.342185, latest
  • 路径：**/details_harness|hellaswag|10_2023-07-19T16:55:35.342185.parquet

• 配置名称：harness_hendrycksTest_5

  • 分割：2023_07_19T16_55_35.342185, latest
  • 路径：多个路径，例如 **/details_harness|hendrycksTest-abstract_algebra|5_2023-07-19T16:55:35.342185.parquet

• 其他配置：类似上述格式，包含多个任务和对应的分割及路径。