open-llm-leaderboard-old/details_dball__zephyr-7b-dpo-qlora-no-sft

该数据集是在模型dball/zephyr-7b-dpo-qlora-no-sft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，每个配置对应一个评估任务。数据集是从1次运行中创建的，每次运行在每个配置中作为一个特定的分割找到。train分割始终指向最新的结果。一个额外的配置results存储了运行的所有聚合结果，用于计算和显示Open LLM Leaderboard上的聚合指标。README还提供了如何使用`datasets`库中的`load_dataset`函数加载运行中的详细信息的示例。

原始信息汇总

数据集概述

数据集摘要

该数据集是在对模型 dball/zephyr-7b-dpo-qlora-no-sft 进行评估运行期间自动创建的。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 次运行创建，每次运行的详细信息可以在每个配置中找到，使用运行的时间戳作为分割名称。"train" 分割始终指向最新的结果。

数据集结构

数据集包含以下配置：

• 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，分为不同的分割，如 2024_02_10T10_37_17.220493 和 latest。

最新结果

以下是来自 2024-02-10T10:37:17.220493 运行的最新结果：

python { "all": { "acc": 0.6382246766778686, "acc_stderr": 0.032245070292894334, "acc_norm": 0.6434025834441682, "acc_norm_stderr": 0.032890809766205786, "mc1": 0.29498164014687883, "mc1_stderr": 0.015964400965589657, "mc2": 0.44247071835148866, "mc2_stderr": 0.014495116448864753 }, "harness|arc:challenge|25": { "acc": 0.5870307167235495, "acc_stderr": 0.014388344935398326, "acc_norm": 0.6245733788395904, "acc_norm_stderr": 0.014150631435111728 }, "harness|hellaswag|10": { "acc": 0.6455885281816371, "acc_stderr": 0.00477357009618505, "acc_norm": 0.8449512049392551, "acc_norm_stderr": 0.0036121146706989743 }, "harness|hendrycksTest-abstract_algebra|5": { "acc": 0.27, "acc_stderr": 0.044619604333847394, "acc_norm": 0.27, "acc_norm_stderr": 0.044619604333847394 }, # 其他任务的结果... }

数据加载示例

要加载特定运行的详细信息，可以使用以下代码：

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_dball__zephyr-7b-dpo-qlora-no-sft", "harness_winogrande_5", split="train")