open-llm-leaderboard-old/details_snorkelai__Snorkel-Mistral-PairRM-DPO

该数据集是在评估模型snorkelai/Snorkel-Mistral-PairRM-DPO时自动创建的，评估是在Open LLM Leaderboard上进行的。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2次运行生成，每次运行的结果作为特定配置中的一个分割，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，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

数据集摘要

该数据集是在评估模型snorkelai/Snorkel-Mistral-PairRM-DPO在Open LLM Leaderboard上的运行过程中自动创建的。数据集包含63个配置，每个配置对应一个评估任务。数据集从2次运行中创建，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。

数据集结构

数据集包含以下配置：

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个分割，包括特定时间戳的分割和最新的分割。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_snorkelai__Snorkel-Mistral-PairRM-DPO", "harness_winogrande_5", split="train")

最新结果

最新结果来自2024-01-23T22:58:16.108311的运行，包含多个任务的评估结果。例如： python { "all": { "acc": 0.608528367712073, "acc_stderr": 0.03310128621962333, "acc_norm": 0.6136104634173836, "acc_norm_stderr": 0.033774611688968344, "mc1": 0.5495716034271726, "mc1_stderr": 0.01741726437196764, "mc2": 0.709120958732846, "mc2_stderr": 0.015029348692083801 }, "harness|arc:challenge|25": { "acc": 0.6160409556313993, "acc_stderr": 0.01421244498065189, "acc_norm": 0.659556313993174, "acc_norm_stderr": 0.013847460518892973 }, ... }

数据文件路径

每个配置包含多个数据文件路径，例如：

• harness_arc_challenge_25
  • 分割: 2024_01_23T22_49_34.366391
    • 路径: **/details_harness|arc:challenge|25_2024-01-23T22-49-34.366391.parquet
  • 分割: 2024_01_23T22_58_16.108311
    • 路径: **/details_harness|arc:challenge|25_2024-01-23T22-58-16.108311.parquet
  • 分割: latest
    • 路径: **/details_harness|arc:challenge|25_2024-01-23T22-58-16.108311.parquet

其他配置类似，包含多个分割和对应的数据文件路径。