open-llm-leaderboard/details_Qwen__Qwen2-7B

该数据集是在Open LLM Leaderboard上对Qwen/Qwen2-7B模型进行评估运行期间自动创建的。数据集由63个配置组成，每个配置对应一个被评估的任务。数据集是从一次运行中生成的，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分割始终指向最新结果。此外，还有一个results配置，存储了运行的所有聚合结果，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`函数加载数据集的示例，并提供了特定运行的最新结果。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of Qwen/Qwen2-7B

数据集描述

• dataset_summary: 该数据集是在评估模型Qwen/Qwen2-7B运行期间自动创建的，用于Open LLM Leaderboard。

数据集结构

• 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: 数据集来源于1次运行，每次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命名。
• 额外配置: “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。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Qwen__Qwen2-7B_private", "harness_winogrande_5", split="train")

最新结果

• 结果来源: latest results from run 2024-05-30T11:38:05.511487
• 结果内容: 包含多个任务的评估结果，如准确率(acc)、标准误差(acc_stderr)等。

配置详情

• 配置列表:
  • harness_arc_challenge_25
  • harness_gsm8k_5
  • harness_hellaswag_10
  • harness_hendrycksTest_5
• 数据文件: 每个配置包含多个分割，如“2024_05_30T11_38_05.511487”和“latest”，对应不同的数据文件路径。