open-llm-leaderboard-old/details_Eric111__openchat-3.5-0106-128k-DPO_dpo-binarized-NeuralTrix-7B

该数据集是在模型Eric111/openchat-3.5-0106-128k-DPO_dpo-binarized-NeuralTrix-7B的评估运行过程中自动创建的，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。数据集是从1次运行中创建的，每次运行都可以在每个配置的特定分割中找到，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

数据集创建

• 创建背景：该数据集是在对模型 Eric111/openchat-3.5-0106-128k-DPO_dpo-binarized-NeuralTrix-7B 进行评估运行期间自动创建的。
• 评估平台：数据集用于 Open LLM Leaderboard 上的评估。

数据集结构

• 配置数量：数据集包含 63 个配置，每个配置对应一个评估任务。
• 运行次数：数据集从 1 次运行中创建，每个运行的结果存储在特定的分割中，分割名称使用运行的时间戳。
• 最新结果："train" 分割始终指向最新的结果。
• 汇总结果：一个额外的配置 "results" 存储所有运行的汇总结果，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_Eric111__openchat-3.5-0106-128k-DPO_dpo-binarized-NeuralTrix-7B", "harness_winogrande_5", split="train")

最新结果

• 结果来源：这些是最新的结果，来自 2024-03-01T19:53:31.230625 的运行。
• 详细结果：包含多个任务的准确率（acc）、标准化准确率（acc_norm）、以及其他指标（如 mc1, mc2 等）及其标准误差。

配置详情

• 配置名称：包括 harness_arc_challenge_25, harness_gsm8k_5, harness_hellaswag_10, harness_hendrycksTest_5 等。
• 数据文件：每个配置包含不同分割的数据文件路径，如 2024_03_01T19_53_31.230625 和 latest。