open-llm-leaderboard/details_ShenaoZhang__0.001_idpo_iter_2

该数据集是在模型 ShenaoZhang/0.001_idpo_iter_2 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，每个配置对应一个被评估的任务。数据集是从 1 次运行中创建的，每次运行作为每个配置中的一个特定拆分，拆分名称使用运行的时间戳。train 拆分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，用于计算和显示 Open LLM Leaderboard 上的聚合指标。文件还包括如何从运行中加载详细信息的说明，并提供了特定运行的最新结果。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of ShenaoZhang/0.001_idpo_iter_2

数据集描述

• dataset_summary: 该数据集是在评估模型ShenaoZhang/0.001_idpo_iter_2运行过程中自动创建的，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，每次运行以特定的时间戳命名。
• 每个配置中包含一个名为"train"的分割，指向最新的结果。
• 额外配置"results"存储所有运行的聚合结果，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_ShenaoZhang__0.001_idpo_iter_2", "harness_winogrande_5", split="train")

最新结果

• 最新结果来自2024-04-07T23:28:27.959916的运行。
• 结果包括多个任务的准确率(acc)和标准误差(acc_stderr)等指标。

配置详情

• config_name: harness_arc_challenge_25

  • data_files:
    • split: 2024_04_07T23_28_27.959916
      • path: /details_harness|arc:challenge|25_2024-04-07T23-28-27.959916.parquet
    • split: latest
      • path: /details_harness|arc:challenge|25_2024-04-07T23-28-27.959916.parquet

• config_name: harness_gsm8k_5

  • data_files:
    • split: 2024_04_07T23_28_27.959916
      • path: /details_harness|gsm8k|5_2024-04-07T23-28-27.959916.parquet
    • split: latest
      • path: /details_harness|gsm8k|5_2024-04-07T23-28-27.959916.parquet

• config_name: harness_hellaswag_10

  • data_files:
    • split: 2024_04_07T23_28_27.959916
      • path: /details_harness|hellaswag|10_2024-04-07T23-28-27.959916.parquet
    • split: latest
      • path: /details_harness|hellaswag|10_2024-04-07T23-28-27.959916.parquet

• config_name: harness_hendrycksTest_5

  • data_files:
    • split: 2024_04_07T23_28_27.959916
      • path:
        • /details_harness|hendrycksTest-abstract_algebra|5_2024-04-07T23-28-27.959916.parquet
        • /details_harness|hendrycksTest-anatomy|5_2024-04-07T23-28-27.959916.parquet
        • /details_harness|hendrycksTest-astronomy|5_2024-04-07T23-28-27.959916.parquet
        • /details_harness|hendrycksTest-business_ethics|5_2024-04-07T23-28-27.959916.parquet
        • /details_harness|hendrycksTest-clinical_knowledge|5_2024-04-07T23-28-27.959916.parquet
        • /details_harness|hendrycksTest-college_biology|5_2024-04-07T23-28-27.959916.parquet
        • /details_harness|hendrycksTest-college_chemistry|5_2024-04-07T23-28-27.959916.parquet
        • /details_harness|hendrycksTest-college_computer_science|5_2024-04-07T23-28-27.959916.parquet
        • /details_harness|hendrycksTest-college_mathematics|5_2024-04-07T23-28-27.959916.parquet
        • /details_harness|hendrycksTest-college_medicine|5_2024-04-07T23-28-27.959916.parquet
        • /details_harness|hendrycksTest-college_physics|5_2024-04-07T23-28-27.959916.parquet
        • /details_harness|hendrycksTest-computer_security|5_2024-04-07T23-28-27.959916.parquet
        • /details_harness|hendrycksTest-conceptual_physics|5_2024-04-07T23-28-27.959916.parquet
        • /details_harness|hendrycksTest-econometrics|5_2024-04-07T23-28-27.959916.parquet
        • /details_harness|hendrycksTest-electrical_engineering|5_2024-04-07T23-28-27.959916.parquet
        • /details_harness|hendrycksTest-elementary_mathematics|5_2024-04-07T23-28-27.959916.parquet
        • /details_harness|hendrycksTest-formal_logic|5_2024-04-07T23-28-27.959916.parquet
        • /details_harness|hendrycksTest-global_facts|5_2024-04-07T23-28-27.959916.parquet
        • **/details_harness|hendrycksTest-high_school_biology|5_2024-04-07