open-llm-leaderboard/details_yam-peleg__gemma-7b-experiment

该数据集是在Open LLM Leaderboard上对模型yam-peleg/gemma-7b-experiment进行评估时自动创建的。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次运行的结果组成，每次运行在每个配置中表示为特定的分割，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，名为results的配置存储了所有运行的聚合结果，用于在Open LLM Leaderboard上计算和显示聚合指标。README还提供了如何使用Hugging Face datasets库加载运行中的详细信息的示例。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of yam-peleg/gemma-7b-experiment

数据集描述

• dataset_summary: 该数据集是在评估模型yam-peleg/gemma-7b-experiment的过程中自动创建的，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
• 数据来源: 由1次运行创建
• 数据结构: 每个配置对应一个评估任务，每个运行以时间戳命名的特定分割存储。"train"分割指向最新结果。
• 额外配置: "results"配置存储所有运行的聚合结果，用于计算和显示聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_yam-peleg__gemma-7b-experiment", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-03-16T15:33:57.987521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

每个配置包含多个数据文件，每个文件对应一个特定的分割（如时间戳分割和最新分割）。

数据集使用

• 通过load_dataset函数加载特定配置和分割的数据。
• 数据集用于评估模型在不同任务上的性能，提供详细的评估指标。