open-llm-leaderboard/details_microsoft__WizardLM-2-7B

该数据集是在评估模型microsoft/WizardLM-2-7B时自动创建的，主要用于在Open LLM Leaderboard上展示评估结果。数据集包含63个配置，每个配置对应一个评估任务。数据集由1次运行生成，每次运行的结果作为一个特定的分割存储，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，用于计算和展示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 microsoft/WizardLM-2-7B

数据集描述

• dataset_summary: 该数据集是在评估模型microsoft/WizardLM-2-7B在Open LLM Leaderboard上的运行过程中自动创建的。

数据集组成

• 数据结构: 包含63个配置，每个配置对应一个评估任务。
• 数据来源: 数据集由1次运行创建，每次运行以特定的时间戳命名，并作为配置中的一个分割。
• 特殊配置: “results”配置存储了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__WizardLM-2-7B", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-04-16T00:56:50.825284的运行结果，包含多个任务的评估数据。
• 结果内容: 包括但不限于准确率(acc)、标准误差(acc_stderr)等指标，具体指标因任务而异。

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，每个文件对应一个特定的时间戳或“latest”分割，用于存储特定任务的评估数据。