open-llm-leaderboard-old/details_Kiddyz__testlm2

该数据集是在模型Kiddyz/testlm2的评估运行中自动创建的，包含了61个配置，每个配置对应一个评估任务。数据集从1次运行中创建，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，用于计算和显示在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 Kiddyz/testlm2

数据集组成

• 该数据集包含61个配置，每个配置对应一个评估任务。
• 数据集来源于1次运行，每个运行结果以特定的时间戳命名的分片存储。
• 每个配置中的“train”分片指向最新的结果。

额外配置

• “results”配置存储所有运行的聚合结果，用于计算和显示在Open LLM Leaderboard上的聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Kiddyz__testlm2", "harness_truthfulqa_mc_0", split="train")

最新结果

• 最新结果来自2023-08-17T13:24:31.212024运行，包含多个任务的评估结果。

配置详情

• harness_arc_challenge_25

  • 分片：2023_08_17T13_24_31.212024, latest
  • 路径：**/details_harness|arc:challenge|25_2023-08-17T13:24:31.212024.parquet

• harness_hellaswag_10

  • 分片：2023_08_17T13_24_31.212024, latest
  • 路径：**/details_harness|hellaswag|10_2023-08-17T13:24:31.212024.parquet

• harness_hendrycksTest_5

  • 分片：2023_08_17T13_24_31.212024
  • 路径：多个任务的详细路径，如**/details_harness|hendrycksTest-abstract_algebra|5_2023-08-17T13:24:31.212024.parquet等。

搜集汇总

背景与挑战

背景概述

该数据集是模型Kiddyz/testlm2评估运行的自动衍生结果，包含61个配置对应评估任务，以时间戳命名分割并聚合结果用于Open LLM Leaderboard的指标计算。其特点是结构化的配置管理，train分割始终指向最新运行，便于跟踪和展示模型性能。