open-llm-leaderboard/details_maldv__winter-garden-7b-alpha

该数据集是在评估模型maldv/winter-garden-7b-alpha时自动创建的，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，用于在Open LLM Leaderboard上计算和显示聚合指标。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of maldv/winter-garden-7b-alpha

数据集创建背景

• dataset_summary: 该数据集是在评估模型maldv/winter-garden-7b-alpha的过程中自动创建的，评估过程在Open LLM Leaderboard上进行。

数据集组成

• 数据结构: 数据集由63个配置组成，每个配置对应一个评估任务。
• 运行次数: 数据集基于1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: 存在一个名为"results"的额外配置，用于存储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。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_maldv__winter-garden-7b-alpha", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 最新结果来自run 2024-03-13T19:02:16.055402。
• 结果内容: 包含多个任务的评估结果，如"harness|arc:challenge|25"、"harness|hellaswag|10"等，每个任务的结果包括准确率(acc)、标准误差(acc_stderr)等指标。