open-llm-leaderboard/details_DUAL-GPO__zephyr-7b-ipo-qlora-v0

数据集是在评估模型DUAL-GPO/zephyr-7b-ipo-qlora-v0在Open LLM Leaderboard上的运行过程中自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集由1次运行创建，每次运行可以在每个配置中找到特定的分割，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，results配置存储了所有运行的聚合结果，并用于计算和显示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: Evaluation run of DUAL-GPO/zephyr-7b-ipo-qlora-v0

数据集描述: 该数据集是在评估模型DUAL-GPO/zephyr-7b-ipo-qlora-v0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
• 数据来源: 来自1次运行
• 数据分割: 每个配置包含特定分割，命名基于运行的时间戳，"train"分割指向最新结果
• 额外配置: "results"配置存储所有聚合结果，用于计算和显示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_DUAL-GPO__zephyr-7b-ipo-qlora-v0", "harness_winogrande_5", split="train")

最新结果摘要

数据集包含多个任务的评估结果，每个任务对应一个配置。以下是部分任务的评估结果示例：

• harness|arc:challenge|25:

  • 准确率 (acc): 0.5921501706484642
  • 标准化准确率 (acc_norm): 0.6313993174061433

• harness|hellaswag|10:

  • 准确率 (acc): 0.6427006572395937
  • 标准化准确率 (acc_norm): 0.8436566421031667

• harness|hendrycksTest-abstract_algebra|5:

  • 准确率 (acc): 0.29
  • 标准化准确率 (acc_norm): 0.29

• harness|truthfulqa:mc|0:

  • mc1: 0.29865361077111385
  • mc2: 0.4535332788498766

• harness|winogrande|5:

  • 准确率 (acc): 0.7955801104972375

• harness|gsm8k|5:

  • 准确率 (acc): 0.400303260045489

这些结果提供了模型在不同任务上的性能评估，有助于理解和分析模型的能力。