open-llm-leaderboard/details_liminerity__Liph42

该数据集是在模型liminerity/Liph42的评估运行期间自动创建的，用于Open LLM Leaderboard的评估。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1次运行生成，每次运行的结果存储为特定配置中的一个分割，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，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

• pretty_name: Evaluation run of liminerity/Liph42

数据集描述

• dataset_summary: 该数据集是在评估模型liminerity/Liph42运行期间自动创建的，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”配置存储所有运行的聚合结果，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_liminerity__Liph42", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-03-11T07:17:43.989739的运行结果，包含多个任务的评估数据。

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，根据不同的时间戳和“latest”分割进行组织。

数据集使用

• 数据集可通过load_dataset函数加载，指定数据集名称、配置名称和分割类型。

结论

该数据集专为评估模型liminerity/Liph42在Open LLM Leaderboard上的表现而设计，包含详细的配置和结果数据，便于分析和验证模型的性能。