open-llm-leaderboard/details_aloobun__d-Qwen1.5-1.8B

该数据集是在评估模型aloobun/d-Qwen1.5-1.8B时自动创建的，主要用于在Open LLM Leaderboard上展示评估结果。数据集包含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配置中的一个分割，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，用于在Open LLM Leaderboard上计算和展示聚合指标。

原始信息汇总

数据集概述

数据集名称

• 评估运行数据集：aloobun/d-Qwen1.5-1.8B

数据集描述

• 创建目的：该数据集是在模型aloobun/d-Qwen1.5-1.8B的评估运行期间自动创建的。
• 数据集组成：包含63个配置，每个配置对应一个评估任务。
• 数据集来源：数据集由一次运行创建，每个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："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。

数据集使用

• 加载数据示例： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_aloobun__d-Qwen1.5-1.8B", "harness_winogrande_5", split="train")

最新结果

• 结果来源：最新结果来自2024-03-15T14:07:41.531918。
• 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。

数据集配置

• 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）

每个配置包含特定任务的数据文件，文件路径根据任务和时间戳命名。