open-llm-leaderboard/details_JCX-kcuf__openchat_3.5-gpt-4-80k

该数据集是在模型JCX-kcuf/openchat_3.5-gpt-4-80k在Open LLM Leaderboard上的评估运行期间自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。它包含1次运行的数据，每次运行在每个配置中表示为特定的分割，使用运行的时间戳命名。train分割始终指向最新结果。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Python中的datasets库加载运行细节的示例。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of JCX-kcuf/openchat_3.5-gpt-4-80k

数据集描述

• dataset_summary: 该数据集是在评估模型JCX-kcuf/openchat_3.5-gpt-4-80k运行期间自动创建的，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
• 数据集来源: 1次运行
• 数据集分割: 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
• "results"配置: 存储所有聚合结果，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_JCX-kcuf__openchat_3.5-gpt-4-80k", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-03-11T19:10:32.694791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

1. harness_arc_challenge_25
   • 数据文件: 包含特定时间戳和最新结果的分割
2. harness_gsm8k_5
   • 数据文件: 包含特定时间戳和最新结果的分割
3. harness_hellaswag_10
   • 数据文件: 包含特定时间戳和最新结果的分割
4. harness_hendrycksTest_5
   • 数据文件: 包含多个子任务的数据文件，每个子任务对应一个特定的评估领域

以上信息提供了数据集的基本结构和内容概览，以及如何加载和使用数据集的示例。