Performance of ensemble method with different top n and threshold T.

Figshare2018-04-11 更新2026-04-29 收录

数据链接：

https://figshare.com/articles/dataset/Performance_of_ensemble_method_with_different_top_i_n_i_and_threshold_i_T_i_/6123251 数据链接链接失效反馈

官方服务：

资源简介：

Performance of ensemble method with different top n and threshold T.

创建时间：

2018-04-11

open-llm-leaderboard-old/details_Kiddyz__testlm2

模型评估

自然语言处理

该数据集是在模型Kiddyz/testlm2的评估运行中自动创建的，包含了61个配置，每个配置对应一个评估任务。数据集从1次运行中创建，每次运行都可以在特定配置中找到，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，用于计算和显示在Open LLM Leaderboard上的聚合指标。

Hugging Face2023-08-27 更新300

open-llm-leaderboard-old/details_Josephgflowers__Cinder-Phi-2-STEM-2.94B-Test

模型评估

自然语言处理

该数据集是在评估模型Josephgflowers/Cinder-Phi-2-STEM-2.94B-Test时自动创建的，用于在Open LLM Leaderboard上进行评估。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，每次运行的结果作为一个特定的分割存储，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，results配置存储了所有运行的聚合结果，用于

Hugging Face2024-02-18 更新110

tartuNLP/ifeval_et

自然语言处理

模型评估

ifeval_et是IFEval数据集的爱沙尼亚语版本，用于测量语言模型的指令遵循能力。每个示例都由专业翻译手动翻译并适应爱沙尼亚的文化背景。指令被修改以去除请求输出语言不是英语或爱沙尼亚语的情况。

Hugging Face2025-12-30 更新90

open-llm-leaderboard-old/details_w601sxs__b1ade-1b

模型评估

自然语言处理

--- pretty_name: Evaluation run of w601sxs/b1ade-1b dataset_summary: "Dataset automatically created during the evaluation run of model\ \ [w601sxs/b1ade-1b](https://huggingface.co/w601sxs/b1ade-1b)

Hugging Face2023-09-17 更新190

Appendix D. The parameter estimates from the model fits with their AICc's.

统计建模

模型评估

The parameter estimates from the model fits with their AICc's.

DataCite Commons2020-09-04 更新90