open-llm-leaderboard/details_MatthieuJ__ING_Triomphant_M2_SLERP

该数据集是在模型MatthieuJ/ING_Triomphant_M2_SLERP在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，每个配置对应一个被评估的任务。数据集是从1次运行中创建的，每次运行在每个配置中作为一个特定的分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。一个额外的配置results存储了运行的所有聚合结果，用于计算和显示Open LLM Leaderboard上的聚合指标。文件还提供了如何使用Python代码加载运行细节的示例，并列出了特定运行的最新结果。

原始信息汇总

数据集概述

数据集基本信息

• 数据集名称: Evaluation run of MatthieuJ/ING_Triomphant_M2_SLERP
• 数据集描述: 该数据集是自动创建的，用于评估模型MatthieuJ/ING_Triomphant_M2_SLERP在Open LLM Leaderboard上的表现。
• 数据集组成: 包含63个配置，每个配置对应一个评估任务。
• 数据集创建: 数据集由1次运行创建，每次运行对应一个特定的分割，分割名称使用运行的时间戳。

数据集结构

• 配置详情:
  • 每个配置包含一个或多个数据文件，这些文件根据不同的分割（如时间戳或“latest”）进行组织。
  • 示例配置包括：
    • harness_arc_challenge_25
    • harness_gsm8k_5
    • harness_hellaswag_10
    • harness_hendrycksTest_5（包含多个子任务）

数据集使用

• 加载数据: 使用以下Python代码加载数据集的详细信息： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_MatthieuJ__ING_Triomphant_M2_SLERP", "harness_winogrande_5", split="train")

最新结果

• 结果概览:
  • 数据集中的“results”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。
  • 示例结果包括：
    • 总体准确率（acc）和标准误差（acc_stderr）
    • 特定任务的准确率和标准误差，如harness|arc:challenge|25、harness|hellaswag|10等。

结论

该数据集为评估特定模型在多个任务上的表现提供了详细的数据支持，适用于研究和开发目的。