open-llm-leaderboard-old/details_openchat__openchat_3.5

该数据集是在模型 openchat/openchat_3.5 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集由64个配置组成，每个配置对应一个被评估的任务。数据集是从3次运行中生成的，每次运行在每个配置中表示为特定的分割。train 分割始终指向最新的结果。一个名为 results 的额外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。README 还提供了如何使用 datasets 库加载数据集的示例，并包含了特定运行的最新结果。

原始信息汇总

数据集概述

数据集简介

• 名称: Evaluation run of openchat/openchat_3.5
• 创建目的: 自动创建于模型 openchat/openchat_3.5 在 Open LLM Leaderboard 的评估运行期间。

数据集结构

• 配置数量: 64个配置，每个配置对应一个评估任务。
• 创建来源: 从3次运行中创建。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。
• 最新结果: "train" 分割始终指向最新结果。
• 聚合结果: 一个额外的配置 "results" 存储所有运行的聚合结果，用于计算和显示在 Open LLM Leaderboard 上的聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_openchat__openchat_3.5_public", "harness_winogrande_5", split="train")

最新结果

• 来源: 来自2023-11-19T10:30:18.054013的运行结果。
• 详细指标: 包含多个任务的准确率（acc）、标准化准确率（acc_norm）、标准误差（stderr）等指标。

配置详情

• 配置名称: harness_arc_challenge_25, harness_drop_3, harness_gsm8k_5, harness_hellaswag_10, harness_hendrycksTest_5
• 数据文件: 每个配置包含多个分割，每个分割对应一个特定时间戳的运行结果，以及指向最新结果的 "latest" 分割。