open-llm-leaderboard/details_birgermoell__llama-3-open-hermes-disco

该数据集是在模型[birgermoell/llama-3-open-hermes-disco](https://huggingface.co/birgermoell/llama-3-open-hermes-disco)在[Open LLM Leaderboard](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard)上的评估运行期间自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中创建的，每次运行都可以在每个配置的特定分割中找到，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，并用于计算和显示[Open LLM Leaderboard](https://huggingface.co/spaces/HuggingFaceH4/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 birgermoell/llama-3-open-hermes-disco

数据集描述

• dataset_summary: 该数据集是在评估模型birgermoell/llama-3-open-hermes-disco运行期间自动创建的，用于Open LLM Leaderboard。

数据集构成

• 数据集结构: 包含63个配置，每个配置对应一个评估任务。
• 数据集创建: 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命名。
• 额外配置: “results”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。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_birgermoell__llama-3-open-hermes-disco", "harness_winogrande_5", split="train")

最新结果

• 最新结果: 来自2024-04-20T21:23:29.700537的运行结果，包含多个任务的准确率(acc)和标准误差(acc_stderr)等指标。

数据集详细配置

配置列表

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含特定任务的数据文件，如harness_hendrycksTest_5包含多个子任务的数据文件，如抽象代数、解剖学等。

数据集使用

• 加载数据: 使用上述示例代码加载特定任务的数据。
• 分析数据: 分析各任务的性能指标，如准确率和标准误差。