OALL/details_failspy__Smaug-Llama-3-70B-Instruct-abliterated-v3

该数据集是在评估模型failspy/Smaug-Llama-3-70B-Instruct-abliterated-v3的过程中自动生成的。数据集包含136个配置，每个配置对应一个评估任务。数据集由3次运行生成，每次运行的结果作为一个特定的分割存储在配置中，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

数据集名称

• Evaluation run of failspy/Smaug-Llama-3-70B-Instruct-abliterated-v3

数据集描述

• 该数据集是在评估模型failspy/Smaug-Llama-3-70B-Instruct-abliterated-v3过程中自动创建的。
• 数据集由136个配置组成，每个配置对应一个评估任务。
• 数据集的创建基于3次运行，每次运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳。
• “train”分割始终指向最新的结果。
• 额外的配置“results”存储了所有运行的聚合结果。

数据集使用示例

python from datasets import load_dataset data = load_dataset("OALL/details_failspy__Smaug-Llama-3-70B-Instruct-abliterated-v3", "lighteval_xstory_cloze_ar_0", split="train")

最新结果

• 最新结果来自2024-06-07T10:40:37.678866的运行，详细结果可在数据集中查看。

数据集详细配置

配置详情

• 每个配置包含多个评估指标，如acc_norm, acc_norm_stderr等，具体数值和标准误差根据不同的任务和社区有所不同。
• 配置涵盖了多个社区和任务，包括但不限于阿拉伯文化、历史、地理、语言、数学、物理、化学、生物、计算机科学、医学、法律、心理学、统计学等多个领域。

数据集结构

• 数据集结构化，每个配置对应一个特定的任务或社区，便于针对特定需求进行数据加载和分析。

数据集加载

• 使用Hugging Face的load_dataset函数可以方便地加载数据集的特定配置和分割。