open-llm-leaderboard/details_chihoonlee10__T3Q-DPO-Mistral-7B

该数据集是在评估模型chihoonlee10/T3Q-DPO-Mistral-7B时自动创建的，评估在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。数据集由1次运行创建，每次运行可以在每个配置中找到，运行的时间戳作为分割名称。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。

原始信息汇总

数据集概述

数据集名称

• Evaluation run of chihoonlee10/T3Q-DPO-Mistral-7B

数据集描述

• 该数据集是在评估模型chihoonlee10/T3Q-DPO-Mistral-7B的过程中自动创建的，用于Open LLM Leaderboard。

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”分割始终指向最新结果。
• 额外配置“results”存储所有运行结果的聚合结果，用于计算和显示聚合指标。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_chihoonlee10__T3Q-DPO-Mistral-7B", "harness_winogrande_5", split="train")

最新结果

• 最新结果包括多个任务的准确率(acc)和标准误差(acc_stderr)等指标，具体数值详见README文件中的JSON数据。

数据集配置详情

配置列表

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含的数据文件路径和分割信息，具体路径和分割名称详见README文件中的配置描述。