open-llm-leaderboard/details_G-reen__EXPERIMENT-ORPO-m7b2-1-merged

该数据集是在模型 G-reen/EXPERIMENT-ORPO-m7b2-1-merged 在 Open LLM Leaderboard 上的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。它包含一次运行的结果，每次运行在每个配置中表示为特定的分割。train 分割始终指向最新的结果。一个名为 results 的额外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 Python 中的 datasets 库加载运行细节的示例。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of G-reen/EXPERIMENT-ORPO-m7b2-1-merged

数据集描述

• dataset_summary: 该数据集是在评估模型G-reen/EXPERIMENT-ORPO-m7b2-1-merged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
• 数据来源: 来自1次运行
• 数据分割: 每个配置中包含特定分割，分割名称基于运行的时间戳。"train"分割指向最新结果。
• 额外配置: "results"配置存储所有运行的聚合结果，用于计算和显示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_G-reen__EXPERIMENT-ORPO-m7b2-1-merged", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-04-16T16:07:40.253701的运行
• 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。

数据集配置详情

配置列表

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含特定任务的数据文件，如特定时间戳的分割数据和最新数据。