open-llm-leaderboard-old/details_DUAL-GPO__phi-2-gpo-renew2-b0.001-log-i0
收藏数据集概述
数据集简介
该数据集是在对模型 DUAL-GPO/phi-2-gpo-renew2-b0.001-log-i0 进行评估运行期间自动创建的，用于 Open LLM Leaderboard。
数据集结构
- 配置数量：63个配置，每个配置对应一个评估任务。
- 运行次数：数据集来自1次运行。每个运行结果作为一个特定的分割存储在每个配置中，分割名称使用运行的时间戳。
- 训练分割："train" 分割始终指向最新的结果。
- 结果配置：一个额外的 "results" 配置存储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。
数据加载示例
python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_DUAL-GPO__phi-2-gpo-renew2-b0.001-log-i0", "harness_winogrande_5", split="train")
最新结果
以下是 2024-04-23T09:54:13.268559 运行的最新结果：
python { "all": { "acc": 0.5844430502733318, "acc_stderr": 0.033709486209382855, "acc_norm": 0.5861255801650023, "acc_norm_stderr": 0.034394843264337394, "mc1": 0.3733170134638923, "mc1_stderr": 0.01693237055757063, "mc2": 0.5171118896253497, "mc2_stderr": 0.01567208358672791 }, "harness|arc:challenge|25": { "acc": 0.6117747440273038, "acc_stderr": 0.014241614207414044, "acc_norm": 0.6450511945392492, "acc_norm_stderr": 0.013983036904094094 }, "harness|hellaswag|10": { "acc": 0.5845449113722366, "acc_stderr": 0.004917931778593197, "acc_norm": 0.76867157936666, "acc_norm_stderr": 0.004208200511232455 }, ... }
配置详情
-
harness_arc_challenge_25
- 分割：2024_04_23T09_54_13.268559, latest
- 路径：
**/details_harness|arc:challenge|25_2024-04-23T09-54-13.268559.parquet
-
harness_gsm8k_5
- 分割：2024_04_23T09_54_13.268559, latest
- 路径：
**/details_harness|gsm8k|5_2024-04-23T09-54-13.268559.parquet
-
harness_hellaswag_10
- 分割：2024_04_23T09_54_13.268559, latest
- 路径：
**/details_harness|hellaswag|10_2024-04-23T09-54-13.268559.parquet
-
harness_hendrycksTest_5
- 分割：2024_04_23T09_54_13.268559, latest
- 路径：
**/details_harness|hendrycksTest-abstract_algebra|5_2024-04-23T09-54-13.268559.parquet, ...
这个概述提供了数据集的基本信息、结构、加载示例、最新结果以及详细的配置信息，帮助用户快速了解和使用该数据集。
