open-llm-leaderboard/details_MaziyarPanahi__YamshadowStrangemerges_32_Experiment24Ognoexperiment27

该数据集是在模型评估运行期间自动创建的，用于在Open LLM排行榜上评估[MaziyarPanahi/YamshadowStrangemerges_32_Experiment24Ognoexperiment27](https://huggingface.co/MaziyarPanahi/YamshadowStrangemerges_32_Experiment24Ognoexperiment27)模型。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从一个运行中创建的，每个运行都可以在每个配置中找到一个特定的分割，分割名称使用运行的日期时间戳。train分割始终指向最新的结果。此外，还有一个results配置存储运行的聚合结果（用于计算和显示[Open LLM排行榜](https://huggingface.co/spaces/HuggingFaceH4/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 MaziyarPanahi/YamshadowStrangemerges_32_Experiment24Ognoexperiment27

数据集描述

• dataset_summary: 该数据集是在评估模型MaziyarPanahi/YamshadowStrangemerges_32_Experiment24Ognoexperiment27的过程中自动创建的，用于Open LLM Leaderboard。

数据集组成

• 配置数量: 63个配置，每个配置对应一个评估任务。
• 数据来源: 数据集由1次运行创建，每次运行作为一个特定的分割，分割名称使用运行的时间戳。
• 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Open LLM Leaderboard上的聚合指标。

加载数据示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_MaziyarPanahi__YamshadowStrangemerges_32_Experiment24Ognoexperiment27", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-04-09T10:28:53.543551的运行结果。
• 结果内容: 包括多个任务的评估结果，如准确率(acc)、标准误差(acc_stderr)等。

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，每个文件对应不同的分割（如时间戳分割和最新分割），路径指向具体的评估结果文件。