open-llm-leaderboard/details_Josephgflowers__GPT2-774M-CINDER-SHOW-MULTI-CHAT

该数据集是在Open LLM Leaderboard上对模型Josephgflowers/GPT2-774M-CINDER-SHOW-MULTI-CHAT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特定的分割，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，一个名为"results"的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 Josephgflowers/GPT2-774M-CINDER-SHOW-MULTI-CHAT

数据集描述

• dataset_summary: 该数据集是在评估模型Josephgflowers/GPT2-774M-CINDER-SHOW-MULTI-CHAT的过程中自动创建的，评估平台为Open LLM Leaderboard。
• 数据集组成: 包含63个配置，每个配置对应一个评估任务。
• 数据集创建: 数据集由1次运行创建，每次运行以特定的时间戳命名，形成不同的分割。
• 额外配置: “results”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。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Josephgflowers__GPT2-774M-CINDER-SHOW-MULTI-CHAT", "harness_winogrande_5", split="train")

最新结果

• 最新结果时间戳: 2024-03-22T01:16:42.442021
• 结果详情: 包含多个任务的评估结果，如准确率(acc)、标准误差(acc_stderr)等。

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，根据不同的时间戳和“latest”分割进行组织。