open-llm-leaderboard-old/details_bartowski__internlm2-chat-20b-llama

该数据集是在评估模型[bartowski/internlm2-chat-20b-llama](https://huggingface.co/bartowski/internlm2-chat-20b-llama)时自动创建的，评估在[Open LLM Leaderboard](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard)上进行。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，每次运行可以在每个配置中找到特定的分割，分割以运行的时间戳命名。"train"分割始终指向最新的结果。一个额外的配置"results"存储了所有运行的聚合结果，并用于计算和显示[Open LLM Leaderboard](https://huggingface.co/spaces/HuggingFaceH4/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 bartowski/internlm2-chat-20b-llama 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。

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。
• 数据来源：数据集来自 1 次运行，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。
• 最新结果："train" 分割始终指向最新的结果。
• 结果汇总：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 上的汇总指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_bartowski__internlm2-chat-20b-llama", "harness_winogrande_5", split="train")

最新结果

• 结果来源：最新结果来自 2024-01-20T04:32:43.004960 的运行。
• 详细指标：包含多个任务的准确率（acc）、标准化准确率（acc_norm）、误差标准差（acc_stderr、acc_norm_stderr）等指标。

配置详情

• 配置名称：如 harness_arc_challenge_25、harness_gsm8k_5 等。
• 数据文件：每个配置包含多个数据文件，路径格式为 **/details_harness|任务名称|参数_时间戳.parquet。

以上内容总结了数据集的创建背景、结构、加载方式、最新结果以及配置详情，确保信息的准确性和易于理解。