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

该数据集是在Open LLM Leaderboard上对模型Menouar/gemma-2b-chat进行评估时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。它包含一次运行的结果，每次运行在每个配置中表示为特定的分割。train分割始终指向最新的结果。一个名为results的额外配置存储了所有运行的聚合结果，这些结果用于计算和显示Open LLM Leaderboard上的聚合指标。README还提供了如何使用Python中的datasets库加载运行细节的示例。

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

数据集描述

• dataset_summary: 该数据集是在评估模型Menouar/gemma-2b-chat在Open LLM Leaderboard上的运行过程中自动创建的。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次运行创建，每次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。"train"分割始终指向最新的结果。此外，还有一个名为"results"的配置，存储了运行中的所有聚合结果，用于计算和显示Open LLM Leaderboard上的聚合指标。

数据集结构

• 配置数量: 63
• 数据来源: 1次运行
• 分割方式: 每个配置中包含特定的时间戳分割，"train"分割指向最新结果
• 特殊配置: "results"配置用于存储所有聚合结果

加载数据示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Menouar__gemma-2b-chat", "harness_winogrande_5", split="train")

最新结果

• 结果来源: latest results from run 2024-03-12T07:06:38.199506
• 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。

配置详情

• 配置名称: 如harness_arc_challenge_25, harness_gsm8k_5, harness_hellaswag_10等
• 数据文件: 每个配置包含多个数据文件，每个文件对应一个特定的时间戳或"latest"分割。

数据集用途

• 评估模型性能: 用于评估Menouar/gemma-2b-chat模型在不同任务上的表现。
• 计算聚合指标: 通过"results"配置计算并显示在Open LLM Leaderboard上的聚合指标。