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

该数据集是在Open LLM Leaderboard上对模型G-reen/EXPERIMENT-DPO-m7b2-1-merged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一个特定的分割存储，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，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 G-reen/EXPERIMENT-DPO-m7b2-1-merged

数据集描述

• dataset_summary: 该数据集是在评估模型G-reen/EXPERIMENT-DPO-m7b2-1-merged在Open LLM Leaderboard上的运行过程中自动创建的。

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。
• “train”分割始终指向最新的结果。
• 额外配置“results”存储了运行中的所有聚合结果，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_G-reen__EXPERIMENT-DPO-m7b2-1-merged", "harness_winogrande_5", split="train")

最新结果

• 提供了一系列任务的最新评估结果，包括但不限于：
  • 准确率（acc）
  • 准确率标准误差（acc_stderr）
  • 归一化准确率（acc_norm）
  • 归一化准确率标准误差（acc_norm_stderr）
  • 多选题得分（mc1, mc2）及其标准误差

这些结果覆盖了多个学科和领域，如数学、物理、生物、化学、计算机科学等，具体数据可在README文件中查看。