open-llm-leaderboard/details_Qwen__Qwen1.5-110B-Chat

该数据集是在评估模型Qwen/Qwen1.5-110B-Chat时自动创建的，评估在Open LLM Leaderboard上进行。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1次运行创建，每次运行可以在每个配置中找到，运行的时间戳作为分割名称。train分割始终指向最新结果。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 Qwen/Qwen1.5-110B-Chat

数据集描述

• dataset_summary: 该数据集是在评估模型Qwen/Qwen1.5-110B-Chat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
• 数据来源: 单次运行
• 数据分割: 每个配置对应一个评估任务，每个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_Qwen__Qwen1.5-110B-Chat", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-04-29T23:24:47.571769的运行结果，包含多个任务的评估数据。
• 结果示例: 包括准确率(acc)、标准误差(acc_stderr)等指标，具体数值根据不同任务而异。

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，分别对应不同的数据分割（如时间戳分割和最新分割）。

数据集使用

• 用户可以通过提供的加载示例代码访问和加载数据集中的特定配置和分割。