open-llm-leaderboard/details_MaziyarPanahi__MeliodasPercival_01_Experiment26T3q

该数据集是在评估模型MaziyarPanahi/MeliodasPercival_01_Experiment26T3q时自动生成的，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为特定的分割，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，并用于计算和显示在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

• pretty_name: Evaluation run of MaziyarPanahi/MeliodasPercival_01_Experiment26T3q

数据集描述

• dataset_summary: 该数据集是在模型MaziyarPanahi/MeliodasPercival_01_Experiment26T3q的评估运行期间自动创建的，用于Open LLM Leaderboard。

数据集组成

• 数据结构: 包含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命名。
• 特殊配置: 有一个额外的配置“results”，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。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_MaziyarPanahi__MeliodasPercival_01_Experiment26T3q", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-04-09T10:40:11.649729的运行结果。
• 结果内容: 包括多个任务的准确率（acc）和标准误差（acc_stderr）等指标。

配置详情

• 配置列表:
  • harness_arc_challenge_25
  • harness_gsm8k_5
  • harness_hellaswag_10
  • harness_hendrycksTest_5 (包含多个子任务配置)

每个配置包含不同的数据文件，用于不同的评估任务。