open-llm-leaderboard/details_dfurman__llama-2-70b-dolphin-peft

该数据集是在Open LLM Leaderboard上对模型dfurman/llama-2-70b-dolphin-peft进行评估时自动创建的。数据集包含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，每次运行在每个配置中表示为特定的分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，一个名为results的配置存储了所有运行的聚合结果，这些结果用于计算和显示Open LLM Leaderboard上的聚合指标。README还提供了如何使用`datasets`库中的`load_dataset`函数加载运行细节的示例。

原始信息汇总

数据集概述

该数据集是在评估模型 dfurman/llama-2-70b-dolphin-peft 在 Open LLM Leaderboard 上的运行过程中自动创建的。数据集包含 64 个配置，每个配置对应一个评估任务。

数据集结构

数据集由 2 次运行创建，每次运行可以在每个配置中找到特定的分割，分割名称使用运行的时间戳。"train" 分割始终指向最新的结果。

额外配置

有一个额外的配置 "results"，存储所有运行的聚合结果，用于计算和显示 Open LLM Leaderboard 上的聚合指标。

数据加载示例

以下是加载特定运行详细信息的示例代码：

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_dfurman__llama-2-70b-dolphin-peft", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-05T00:46:08.934942 运行的最新结果：

python { "all": { "em": 0.002307046979865772, "em_stderr": 0.0004913221265094568, "f1": 0.0702915268456376, "f1_stderr": 0.0014330013107730173, "acc": 0.5563409652980272, "acc_stderr": 0.011305358161874588 }, "harness|drop|3": { "em": 0.002307046979865772, "em_stderr": 0.0004913221265094568, "f1": 0.0702915268456376, "f1_stderr": 0.0014330013107730173 }, "harness|gsm8k|5": { "acc": 0.27369219105382864, "acc_stderr": 0.012281003490963456 }, "harness|winogrande|5": { "acc": 0.8389897395422258, "acc_stderr": 0.01032971283278572 } }

配置详情

以下是部分配置的详细信息：

• config_name: harness_arc_challenge_25

  • split: 2023_08_04T21_00_53.208892
    • path: **/details_harness|arc:challenge|25_2023-08-04T21:00:53.208892.parquet
  • split: latest
    • path: **/details_harness|arc:challenge|25_2023-08-04T21:00:53.208892.parquet

• config_name: harness_drop_3

  • split: 2023_10_05T00_46_08.934942
    • path: **/details_harness|drop|3_2023-10-05T00-46-08.934942.parquet
  • split: latest
    • path: **/details_harness|drop|3_2023-10-05T00-46-08.934942.parquet

• config_name: harness_gsm8k_5

  • split: 2023_10_05T00_46_08.934942
    • path: **/details_harness|gsm8k|5_2023-10-05T00-46-08.934942.parquet
  • split: latest
    • path: **/details_harness|gsm8k|5_2023-10-05T00-46-08.934942.parquet

• config_name: harness_hellaswag_10

  • split: 2023_08_04T21_00_53.208892
    • path: **/details_harness|hellaswag|10_2023-08-04T21:00:53.208892.parquet
  • split: latest
    • path: **/details_harness|hellaswag|10_2023-08-04T21:00:53.208892.parquet

• config_name: harness_hendrycksTest_5

  • split: 2023_08_04T21_00_53.208892
    • path:
      • **/details_harness|hendrycksTest-abstract_algebra|5_2023-08-04T21:00:53.208892.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2023-08-04T21:00:53.208892.parquet
      • ...
  • split: latest
    • path:
      • **/details_harness|hendrycksTest-abstract_algebra|5_2023-08-04T21:00:53.208892.parquet
      • **/details_harness|hendrycksTest-anatomy|5_2023-08-04T21:00:53.208892.parquet
      • ...