open-llm-leaderboard/details_Gille__StrangeMerges_15-7B-slerp

该数据集是在Open LLM Leaderboard上对模型Gille/StrangeMerges_15-7B-slerp进行评估时自动生成的。数据集由63个配置组成，每个配置对应一个评估任务。每个配置包含一个或多个运行的数据，每个运行作为一个特定的分割存储，分割名称由运行的时间戳命名。train分割始终指向最新的结果。此外，还有一个results配置，用于存储所有运行的聚合结果，并用于在Open LLM Leaderboard上计算和显示聚合指标。README还提供了一个Python代码片段来加载数据集，并显示了特定运行的最新结果。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of Gille/StrangeMerges_15-7B-slerp

数据集来源

• dataset_summary: 该数据集是在评估模型Gille/StrangeMerges_15-7B-slerp的过程中自动创建的，评估过程在Open LLM Leaderboard上进行。

数据集结构

• 组成: 由63个配置组成，每个配置对应一个评估任务。
• 创建方式: 数据集从1次运行中创建，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，存储所有聚合的运行结果，用于计算和显示Open LLM Leaderboard上的聚合指标。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Gille__StrangeMerges_15-7B-slerp", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-04-02T23:39:42.439157的运行结果。
• 结果内容: 包括多个任务的准确率(acc)、标准误差(acc_stderr)、归一化准确率(acc_norm)和归一化标准误差(acc_norm_stderr)等指标。

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，每个文件对应一个特定的分割，如时间戳分割("2024_04_02T23_39_42.439157")和最新分割("latest")。