open-llm-leaderboard/details_DUAL-GPO-2__phi-2-ipo-renew1

该数据集是在模型DUAL-GPO-2/phi-2-ipo-renew1的评估运行期间自动创建的，用于Open LLM Leaderboard的评估。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1次运行创建，每次运行可以在每个配置中找到，分割名称使用运行的时间戳。train分割始终指向最新结果。此外，results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。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of DUAL-GPO-2/phi-2-ipo-renew1

数据集描述

• dataset_summary: 该数据集是在评估模型DUAL-GPO-2/phi-2-ipo-renew1运行期间自动创建的，用于Open LLM Leaderboard。

数据集组成

• 配置数量: 63个
• 每个配置对应一个评估任务
• 数据来源: 来自1次运行
• 数据分割: 每个运行作为一个特定的分割，使用运行的时间戳命名
• "train"分割: 指向最新结果
• "results"配置: 存储所有运行结果的聚合，用于计算和显示聚合指标

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_DUAL-GPO-2__phi-2-ipo-renew1", "harness_winogrande_5", split="train")

最新结果

• 结果来源: latest results from run 2024-04-24T07:16:48.162227
• 结果内容: 包括多个任务的准确率(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任务和时间戳，以及指向最新结果的文件。