open-llm-leaderboard-old/details_ArianAskari__SOLID-SFT-DPO-MixQV3-SOLIDRejected-SFTChosen-Zephyr-7b-beta
收藏Hugging Face2024-02-13 更新2024-06-22 收录
下载链接：
https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_ArianAskari__SOLID-SFT-DPO-MixQV3-SOLIDRejected-SFTChosen-Zephyr-7b-beta
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是在模型ArianAskari/SOLID-SFT-DPO-MixQV3-SOLIDRejected-SFTChosen-Zephyr-7b-beta的评估运行期间自动创建的，用于在Open LLM Leaderboard上进行评估。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，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，并用于计算和显示Open LLM Leaderboard上的聚合指标。
该数据集是在模型ArianAskari/SOLID-SFT-DPO-MixQV3-SOLIDRejected-SFTChosen-Zephyr-7b-beta的评估运行期间自动创建的，用于在Open LLM Leaderboard上进行评估。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，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，并用于计算和显示Open LLM Leaderboard上的聚合指标。
提供机构：
open-llm-leaderboard-old
原始信息汇总
数据集概述
数据集名称
Evaluation run of ArianAskari/SOLID-SFT-DPO-MixQV3-SOLIDRejected-SFTChosen-Zephyr-7b-beta
数据集组成
- 该数据集包含63个配置，每个配置对应一个评估任务。
- 数据集从1次运行中创建，每个运行可以在每个配置中作为一个特定的分片找到，分片名称使用运行的时间戳。
- "train"分片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，用于计算和显示在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_ArianAskari__SOLID-SFT-DPO-MixQV3-SOLIDRejected-SFTChosen-Zephyr-7b-beta", "harness_winogrande_5", split="train")
最新结果
- 这些是最新结果，来自2024-02-13T07:27:37.172195的运行。
- 结果包括多个任务的准确率（acc）、标准化准确率（acc_norm）、以及其他指标（mc1, mc2等）及其标准误差。
配置详情
-
harness_arc_challenge_25
- 分片：2024_02_13T07_27_37.172195, latest
- 路径：
**/details_harness|arc:challenge|25_2024-02-13T07-27-37.172195.parquet
-
harness_gsm8k_5
- 分片：2024_02_13T07_27_37.172195, latest
- 路径：
**/details_harness|gsm8k|5_2024-02-13T07-27-37.172195.parquet
-
harness_hellaswag_10
- 分片：2024_02_13T07_27_37.172195, latest
- 路径：
**/details_harness|hellaswag|10_2024-02-13T07-27-37.172195.parquet
-
harness_hendrycksTest_5
- 分片：2024_02_13T07_27_37.172195, latest
- 路径：多个路径，包括
**/details_harness|hendrycksTest-abstract_algebra|5_2024-02-13T07-27-37.172195.parquet等
