open-llm-leaderboard/details_OpenBuddy__openbuddy-qwen1.5-32b-v21.1-32k

该数据集是在Open LLM Leaderboard上对模型OpenBuddy/openbuddy-qwen1.5-32b-v21.1-32k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中找到，运行的时间戳作为分割的名称。train分割始终指向最新结果。此外，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

数据集名称

• Pretty Name: Evaluation run of OpenBuddy/openbuddy-qwen1.5-32b-v21.1-32k

数据集描述

• 来源: 自动创建于模型OpenBuddy/openbuddy-qwen1.5-32b-v21.1-32k的评估运行过程中。
• 用途: 用于Open LLM Leaderboard上的模型性能评估。
• 组成: 包含63个配置，每个配置对应一个评估任务。
• 创建: 数据集由1次运行创建，每次运行以时间戳命名的特定分割存储。
• 额外配置: “results”配置存储所有运行的聚合结果，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_OpenBuddy__openbuddy-qwen1.5-32b-v21.1-32k", "harness_winogrande_5", split="train")

最新结果

• 结果文件: latest results from run 2024-04-10T12:35:48.776188
• 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

每个配置包含多个数据文件，分别对应不同的分割（如时间戳分割和最新分割）。