open-llm-leaderboard/details_wenbopan__Faro-Yi-9B-DPO

该数据集是在模型 wenbopan/Faro-Yi-9B-DPO 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。数据集是从 4 次运行中创建的，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 还包括如何使用 Python 代码加载运行中的详细信息的示例，并提供了特定运行的最新结果。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of wenbopan/Faro-Yi-9B-DPO

数据集描述

• dataset_summary: 该数据集是在评估模型wenbopan/Faro-Yi-9B-DPO期间自动创建的，用于Open LLM Leaderboard。

数据集组成

• 配置数量: 63个
• 每个配置对应一个评估任务
• 数据来源: 从4次运行中创建
• 数据分割: 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: 始终指向最新的结果
• 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_wenbopan__Faro-Yi-9B-DPO", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-04-08T15:47:28.639960的运行
• 结果详情: 包含多个任务的准确率(acc)和标准误差(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

每个配置包含多个数据文件，每个文件对应不同的运行时间戳，用于存储特定任务的评估结果。