OALL/details_TIGER-Lab__MAmmoTH2-7B-Plus

该数据集是在模型TIGER-Lab/MAmmoTH2-7B-Plus的评估运行过程中自动创建的。数据集由136个配置组成，每个配置对应一个被评估的任务。数据集是从1次运行中创建的，每次运行都可以在特定配置中找到，分割名称使用运行的时间戳命名。"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。

原始信息汇总

数据集概述

数据集简介

• 名称: Evaluation run of TIGER-Lab/MAmmoTH2-7B-Plus
• 来源: 自动创建于模型评估过程中，模型为 TIGER-Lab/MAmmoTH2-7B-Plus。

数据集结构

• 配置数量: 136个配置，每个配置对应一个评估任务。
• 运行次数: 数据集来自1次运行，每个运行结果以时间戳命名的分片存储。
• 训练分片: "train"分片始终指向最新结果。
• 结果汇总: 额外配置"results"存储所有运行的汇总结果。

数据加载示例

python from datasets import load_dataset data = load_dataset("OALL/details_TIGER-Lab__MAmmoTH2-7B-Plus", "lighteval_xstory_cloze_ar_0", split="train")

最新结果

• 最新运行时间: 2024-06-17T12:13:22.053463

• 结果概览: python { "all": { "acc_norm": 0.36275537778332884, "acc_norm_stderr": 0.03718816567978621, "acc": 0.5201853077432164, "acc_stderr": 0.012856635706498294 }, ... }

• 详细结果: 包含多个任务的准确率和标准误差，例如：

  • "community|acva:Algeria|0": { "acc_norm": 0.517948717948718, "acc_norm_stderr": 0.03587477098773825 }
  • "community|acva:Ancient_Egypt|0": { "acc_norm": 0.06984126984126984, "acc_norm_stderr": 0.014383672058043487 }
  • ...