open-llm-leaderboard/details_voidful__phi-1_5_base

该数据集是在评估模型voidful/phi-1_5_base时自动创建的，用于Open LLM Leaderboard。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2次运行生成，每次运行的结果存储在不同的分割中，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: Evaluation run of voidful/phi-1_5_base

创建背景: 该数据集是在评估模型voidful/phi-1_5_base的过程中自动创建的，具体是在Open LLM Leaderboard上进行的。

数据集组成:

• 配置数量: 63个
• 配置内容: 每个配置对应一个评估任务。
• 数据来源: 数据集由2次运行创建，每次运行对应一个特定的分割，分割名称使用运行的时间戳命名。
• 特殊配置: 包含一个名为"results"的额外配置，用于存储所有运行的聚合结果，并用于计算和显示聚合指标。

数据加载示例: python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_voidful__phi-1_5_base", "harness_winogrande_5", split="train")

最新结果

数据集包含最新的评估结果，这些结果来自2024年4月8日22:11:30.215297的运行。结果包括多个任务的准确率(acc)和其他相关指标，如标准误差(acc_stderr)和归一化准确率(acc_norm)等。

配置详情

数据集中的每个配置都有详细的文件路径和时间戳，确保数据的准确性和可追溯性。例如，配置"harness_arc_challenge_25"包含两个时间戳的数据文件，以及一个指向最新数据的"latest"分割。

结论

该数据集为评估voidful/phi-1_5_base模型在多个任务上的性能提供了详细的数据支持，通过不同的配置和时间戳，用户可以访问和分析模型的具体表现。