open-llm-leaderboard-old/details_microsoft__Orca-2-7b

该数据集是在Open LLM Leaderboard上对模型microsoft/Orca-2-7b进行评估时自动创建的。数据集由64个配置组成，每个配置对应一个评估任务。数据集是从2次运行中创建的，每次运行在每个配置中表示为特定的分割。train分割始终指向最新的结果。此外，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。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

数据集简介

• 名称: Evaluation run of microsoft/Orca-2-7b
• 来源: 自动创建于模型 microsoft/Orca-2-7b 在 Open LLM Leaderboard 的评估运行期间。

数据集结构

• 配置数量: 64
• 配置对应: 每个配置对应一个评估任务。
• 运行次数: 数据集从2次运行中创建。每个运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳。
• 最新结果: "train" 分割总是指向最新的结果。
• 聚合结果: 一个额外的配置 "results" 存储所有运行的聚合结果，用于计算和显示在 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_microsoft__Orca-2-7b_public", "harness_winogrande_5", split="train")

最新结果

• 来源: 来自 2023-11-23T08:52:22.157398 的最新结果。
• 详细结果: 包含多个任务的评估指标，如准确率（acc）、标准化准确率（acc_norm）、多选题得分（mc1, mc2）、精确匹配（em）和F1得分（f1）等。

配置详情

• 配置名称: harness_arc_challenge_25, harness_drop_3, harness_gsm8k_5, harness_hellaswag_10, harness_hendrycksTest_5
• 数据文件: 每个配置包含多个分割（如2023_11_23T08_25_14.186190, 2023_11_23T08_52_22.157398, latest），每个分割对应一个特定的parquet文件路径。