open-llm-leaderboard/details_jondurbin__bagel-dpo-34b-v0.5

该数据集是在Open LLM Leaderboard上对模型jondurbin/bagel-dpo-34b-v0.5进行评估时自动创建的。数据集包含63个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行的结果作为特定配置中的一个分割，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，results配置存储了所有运行的聚合结果，用于在Open LLM Leaderboard上计算和显示聚合指标。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of jondurbin/bagel-dpo-34b-v0.5

数据集描述

• dataset_summary: 该数据集是在评估模型jondurbin/bagel-dpo-34b-v0.5的过程中自动创建的，用于Open LLM Leaderboard。

数据集组成

• 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，每次运行作为一个特定的分割，分割名称使用运行的时间戳命名。
• “train”分割始终指向最新结果。
• 额外配置“results”存储所有运行的聚合结果，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_jondurbin__bagel-dpo-34b-v0.5", "harness_winogrande_5", split="train")

最新结果

• 提供了一系列任务的最新评估结果，包括准确率（acc）、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
  • 包含多个子任务，如抽象代数、解剖学、天文学等。

每个配置包含的数据文件根据不同的分割（如时间戳分割和最新分割）进行组织。