TAUR-dev/D-EVAL__standard_eval_v3__test_checkpoint_metrics-eval_sft

该数据集包含多个配置，每个配置具有特定的特征和分割。每个配置包括关于特征数据类型、测试分割中的示例数、下载大小和数据集大小的信息。特征包括问题、答案、任务配置、任务来源、提示、模型响应、所有其他列、原始分割、元数据、贪婪模型响应、贪婪提示元数据、贪婪模型响应元数据、贪婪模型响应评估是否正确、贪婪模型响应提取的答案、贪婪模型响应提取元数据、贪婪模型响应评估元数据、贪婪内部答案评估是否正确、贪婪内部答案提取的答案、贪婪内部答案提取元数据、贪婪内部答案评估元数据、贪婪模型响应指标和评估日期。