open-llm-leaderboard/details_G-reen__EXPERIMENT-ORPO-m7b2-2-merged

该数据集是在Open LLM Leaderboard上对模型G-reen/EXPERIMENT-ORPO-m7b2-2-merged进行评估时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集从1次运行中创建，每次运行可以在每个配置的特定分割中找到，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

• pretty_name: Evaluation run of G-reen/EXPERIMENT-ORPO-m7b2-2-merged

数据集描述

• dataset_summary: 该数据集是在评估模型G-reen/EXPERIMENT-ORPO-m7b2-2-merged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: 每个配置中的数据按运行时间戳命名，"train"分割指向最新结果
• 额外配置: "results"存储所有运行的聚合结果，用于计算和显示Leaderboard上的聚合指标

加载数据示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_G-reen__EXPERIMENT-ORPO-m7b2-2-merged", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-04-18T19:41:27.343306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 (包含多个子任务)

每个配置包含不同的时间戳分割和最新分割的数据文件路径。