open-llm-leaderboard/details_openchat__openchat_v2

该数据集是在模型 openchat/openchat_v2 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集由 64 个配置组成，每个配置对应一个被评估的任务。数据集是从 2 次运行中生成的，每次运行在每个配置中表示为特定的拆分。train 拆分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在 Open LLM Leaderboard 上的指标。README 还提供了如何使用 Python 中的 datasets 库加载数据集的示例，并包含了特定运行的最新结果。

原始信息汇总

数据集概述

数据集是在对模型 openchat/openchat_v2 进行评估运行期间自动创建的，评估运行在 Open LLM Leaderboard 上进行。

数据集组成

• 数据集包含 64 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。
• 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

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_openchat__openchat_v2", "harness_winogrande_5", split="train")

最新结果

以下是 2023-10-18T23:33:59.473281 运行的最新结果： python { "all": { "em": 0.0016778523489932886, "em_stderr": 0.0004191330178826953, "f1": 0.06369546979865812, "f1_stderr": 0.0013881754743750058, "acc": 0.4267044764366107, "acc_stderr": 0.009941310874908384 }, "harness|drop|3": { "em": 0.0016778523489932886, "em_stderr": 0.0004191330178826953, "f1": 0.06369546979865812, "f1_stderr": 0.0013881754743750058 }, "harness|gsm8k|5": { "acc": 0.09097801364670205, "acc_stderr": 0.007921322844013628 }, "harness|winogrande|5": { "acc": 0.7624309392265194, "acc_stderr": 0.011961298905803141 } }

配置详情

配置列表

• harness_arc_challenge_25
• harness_drop_3
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5
• harness_hendrycksTest_abstract_algebra_5
• harness_hendrycksTest_anatomy_5
• harness_hendrycksTest_astronomy_5
• harness_hendrycksTest_business_ethics_5
• harness_hendrycksTest_clinical_knowledge_5
• harness_hendrycksTest_college_biology_5
• harness_hendrycksTest_college_chemistry_5
• harness_hendrycksTest_college_computer_science_5
• harness_hendrycksTest_college_mathematics_5
• harness_hendrycksTest_college_medicine_5
• harness_hendrycksTest_college_physics_5
• harness_hendrycksTest_computer_security_5
• harness_hendrycksTest_conceptual_physics_5
• harness_hendrycksTest_econometrics_5
• harness_hendrycksTest_electrical_engineering_5
• harness_hendrycksTest_elementary_mathematics_5

数据文件详情

每个配置包含多个分割，每个分割对应不同的运行时间戳和路径。例如：

• harness_arc_challenge_25 配置包含两个分割：

  • 2023_07_24T16_15_43.375202 分割路径：**/details_harness|arc:challenge|25_2023-07-24T16:15:43.375202.parquet
  • latest 分割路径：**/details_harness|arc:challenge|25_2023-07-24T16:15:43.375202.parquet

• harness_drop_3 配置包含两个分割：

  • 2023_10_18T23_33_59.473281 分割路径：**/details_harness|drop|3_2023-10-18T23-33-59.473281.parquet
  • latest 分割路径：**/details_harness|drop|3_2023-10-18T23-33-59.473281.parquet

• harness_gsm8k_5 配置包含两个分割：

  • 2023_10_18T23_33_59.473281 分割路径：**/details_harness|gsm8k|5_2023-10-18T23-33-59.473281.parquet
  • latest 分割路径：**/details_harness|gsm8k|5_2023-10-18T23-33-59.473281.parquet

• harness_hellaswag_10 配置包含两个分割：

  • 2023_07_24T16_15_43.375202 分割路径：**/details_harness|hellaswag|10_2023-07-24T16:15:43.375202.parquet
  • latest 分割路径：**/details_harness|hellaswag|10_2023-07-24T16:15:43.375202.parquet

• harness_hendrycksTest_5 配置包含多个分割和路径，例如：

  • 2023_07_24T16_15_43.375202 分割路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-07-24T16:15:43.375202.parquet
  • latest 分割路径：**/details_harness|hendrycksTest-abstract_algebra|5_2023-07-24T16:15:43.375202.parquet

其他配置和分割路径详情请参考原始数据集详情页面。