open-llm-leaderboard/details_Menouar__gemma-2b-chat-ultra

该数据集是在评估模型Menouar/gemma-2b-chat-ultra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。此外，数据集还包含一个名为"results"的配置，用于存储所有运行的聚合结果，并用于计算和展示在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 Menouar/gemma-2b-chat-ultra

数据集描述

• dataset_summary: 该数据集是在评估模型Menouar/gemma-2b-chat-ultra运行期间自动创建的，该模型参与了Open LLM Leaderboard的评测。

数据集组成

• 配置数量: 63个配置
• 每个配置对应一个评估任务
• 数据集创建自: 1次运行
• 数据集结构: 每个配置包含一个特定的分割，分割名称基于运行的时间戳。"train"分割始终指向最新结果。
• 额外配置: "results"配置存储所有运行结果的聚合数据，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_Menouar__gemma-2b-chat-ultra", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-03-22T02:35:53.241150的运行
• 结果内容: 包含多个任务的评估结果，如准确率(acc)、标准误差(acc_stderr)等。

数据集配置详情

配置列表

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含特定任务的数据文件，如parquet格式文件，这些文件根据不同的分割（如时间戳分割和最新分割）进行组织。