open-llm-leaderboard/details_DUAL-GPO-2__phi-2-gpo-renew2-b0.001-v2-i1

该数据集是在模型DUAL-GPO-2/phi-2-gpo-renew2-b0.001-v2-i1的评估运行期间自动创建的，用于Open LLM Leaderboard的评估。数据集包含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，每次运行可以在每个配置中找到，分割以运行的时间戳命名。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，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

• pretty_name: Evaluation run of DUAL-GPO-2/phi-2-gpo-renew2-b0.001-v2-i1

数据集描述

• dataset_summary: 该数据集是在评估模型DUAL-GPO-2/phi-2-gpo-renew2-b0.001-v2-i1的过程中自动创建的，用于Open LLM Leaderboard。

数据集组成

• 配置数量: 63个
• 每个配置对应一个评估任务
• 数据来源: 来自1次运行
• 数据分割: 每个配置中的特定分割，以运行的时间戳命名
• "train"分割: 指向最新结果
• 额外配置 "results": 存储所有聚合的运行结果，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_DUAL-GPO-2__phi-2-gpo-renew2-b0.001-v2-i1", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-04-24T19:46:05.861440的运行
• 结果内容: 包含多个任务的评估结果，如准确率(acc)、标准误差(acc_stderr)等

数据集配置详情

配置列表

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个数据文件，分别对应不同的数据分割（如时间戳分割和最新分割）。