open-llm-leaderboard/details_bababababooey__mergekit-slerp-mntqhzv

数据集是在模型bababababooey/mergekit-slerp-mntqhzv的评估运行期间自动创建的，用于在Open LLM Leaderboard上进行评估。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中创建的，每次运行都可以在每个配置的特定分割中找到，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，并用于计算和显示Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of bababababooey/mergekit-slerp-mntqhzv

数据集描述

• dataset_summary: 该数据集是模型bababababooey/mergekit-slerp-mntqhzv在Open LLM Leaderboard评估运行期间自动创建的。

数据集组成

• 配置数量: 63个配置，每个配置对应一个评估任务。
• 创建来源: 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。
• 特殊配置: 有一个额外的"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。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_bababababooey__mergekit-slerp-mntqhzv", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-04-17T05:17:57.471781的运行结果。
• 结果内容: 包含多个任务的评估指标，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

每个配置包含不同的时间戳和最新结果的数据文件路径。

结论

该数据集为评估模型性能提供了详细的结果和配置信息，适用于进一步的分析和模型优化。