open-llm-leaderboard/details_JunchengXie__Starling-LM-7B-alpha-gpt-4-80k

该数据集是在模型[JunchengXie/Starling-LM-7B-alpha-gpt-4-80k](https://huggingface.co/JunchengXie/Starling-LM-7B-alpha-gpt-4-80k)的评估运行中自动创建的。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，还有一个名为"results"的配置存储了所有运行的聚合结果，并用于计算和显示在[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

数据集名称

• pretty_name: Evaluation run of JunchengXie/Starling-LM-7B-alpha-gpt-4-80k

数据集描述

• dataset_summary: 该数据集是在评估模型JunchengXie/Starling-LM-7B-alpha-gpt-4-80k过程中自动创建的，用于Open LLM Leaderboard。

数据集结构

• 组成: 由63个配置组成，每个配置对应一个评估任务。
• 创建来源: 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命名。
• 特殊配置: 存在一个名为"results"的额外配置，存储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。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_JunchengXie__Starling-LM-7B-alpha-gpt-4-80k", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 最新结果来自2024-03-29T21:10:03.480531的运行。
• 结果内容: 包括多个任务的准确率(acc)、标准误差(acc_stderr)、归一化准确率(acc_norm)和归一化标准误差(acc_norm_stderr)等指标。

配置详情

• 配置列表:
  • harness_arc_challenge_25
  • harness_gsm8k_5
  • harness_hellaswag_10
  • harness_hendrycksTest_5
• 数据文件路径: 每个配置包含多个数据文件，路径格式为**/details_{config_name}_{timestamp}.parquet，其中{config_name}为配置名称，{timestamp}为时间戳。