open-llm-leaderboard-old/details_cloudyu__microsoft-phi-2-sft
收藏Hugging Face2024-04-16 更新2024-06-22 收录
下载链接：
https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_cloudyu__microsoft-phi-2-sft
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是在评估模型cloudyu/microsoft-phi-2-sft时自动创建的，用于在Open LLM Leaderboard上进行评估。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2次运行生成，每次运行的结果存储在不同的分割中，分割名称使用运行的时间戳命名。train分割始终指向最新的结果。此外，还有一个名为results的配置，存储了所有运行的聚合结果，并用于计算和显示Open LLM Leaderboard上的聚合指标。
该数据集是在评估模型cloudyu/microsoft-phi-2-sft时自动创建的，用于在Open LLM Leaderboard上进行评估。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2次运行生成，每次运行的结果存储在不同的分割中，分割名称使用运行的时间戳命名。train分割始终指向最新的结果。此外，还有一个名为results的配置，存储了所有运行的聚合结果，并用于计算和显示Open LLM Leaderboard上的聚合指标。
提供机构：
open-llm-leaderboard-old
原始信息汇总
数据集概述
数据集摘要
该数据集是在评估模型 cloudyu/microsoft-phi-2-sft 在 Open LLM Leaderboard 上的自动创建的。数据集包含 63 个配置，每个配置对应一个评估任务。数据集从 2 次运行中创建，每个运行可以在每个配置中作为一个特定的分割找到，分割名称使用运行的时间戳。"train" 分割始终指向最新的结果。
数据集结构
数据集包含以下配置：
harness_arc_challenge_25harness_gsm8k_5harness_hellaswag_10harness_hendrycksTest_5
每个配置包含多个分割，包括特定时间戳的分割和最新的分割。
数据加载示例
python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_cloudyu__microsoft-phi-2-sft", "harness_winogrande_5", split="train")
最新结果
最新结果来自 2024-04-16T10:01:26.012705 运行，包含多个任务的评估结果，例如：
harness|arc:challenge|25harness|hellaswag|10harness|hendrycksTest-abstract_algebra|5harness|hendrycksTest-anatomy|5harness|hendrycksTest-astronomy|5- ...
每个任务的结果包括准确率（acc）、标准化准确率（acc_norm）、标准误差（acc_stderr 和 acc_norm_stderr）等指标。
