open-llm-leaderboard-old/details_ShenaoZhang__0.001_idpo_noreplacerej_iter_2

该数据集是在模型ShenaoZhang/0.001_idpo_noreplacerej_iter_2的评估运行期间自动创建的，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。数据集从1次运行中创建，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，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

数据集基本信息

• 名称: Evaluation run of ShenaoZhang/0.001_idpo_noreplacerej_iter_2
• 来源: 自动创建于模型 ShenaoZhang/0.001_idpo_noreplacerej_iter_2 在 Open LLM Leaderboard 的评估运行。
• 组成: 包含 63 个配置，每个配置对应一个评估任务。
• 创建: 数据集从 1 次运行中创建，每个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。"train" 分割始终指向最新结果。
• 额外配置: "results" 配置存储所有运行的聚合结果，用于计算和显示聚合指标在 Open LLM Leaderboard。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_ShenaoZhang__0.001_idpo_noreplacerej_iter_2", "harness_winogrande_5", split="train")

最新结果

• 来源: 最新结果来自 2024-04-08T07:38:31.708967 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）、以及其他特定任务的指标（如 mc1, mc2 等）及其标准误差（stderr）。

配置详情

• 配置名称:
  • harness_arc_challenge_25
  • harness_gsm8k_5
  • harness_hellaswag_10
  • harness_hendrycksTest_5
• 数据文件:
  • 每个配置包含多个分割（如 2024_04_08T07_38_31.708967 和 latest），每个分割对应一个或多个数据文件路径。