open-llm-leaderboard/details_JCX-kcuf__Llama-2-7b-hf-llama2-chat-80k

该数据集是在Open LLM Leaderboard上对模型JCX-kcuf/Llama-2-7b-hf-llama2-chat-80k进行评估时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集从1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。此外，results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。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of JCX-kcuf/Llama-2-7b-hf-llama2-chat-80k

数据集描述

• dataset_summary: 该数据集是在评估模型JCX-kcuf/Llama-2-7b-hf-llama2-chat-80k的过程中自动创建的，评估过程在Open LLM Leaderboard上进行。

数据集组成

• 数据结构: 由63个配置组成，每个配置对应一个评估任务。
• 数据来源: 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: 存在一个名为"results"的额外配置，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_JCX-kcuf__Llama-2-7b-hf-llama2-chat-80k", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 最新结果来自2024-03-11T18:16:53.123501的运行。
• 结果内容: 包括多个任务的评估结果，如准确率(acc)、准确率标准误差(acc_stderr)等。

数据集详细配置

配置列表

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个数据文件，每个文件对应一个特定的分割，如"2024_03_11T18_16_53.123501"和"latest"。

数据集使用

• 数据集可通过指定配置和分割名称加载，如上所示的Python代码示例。