open-llm-leaderboard/details_mahiatlinux__MasherAI-v6.1-7B-eval-test

该数据集是在模型mahiatlinux/MasherAI-v6.1-7B-eval-test在Open LLM Leaderboard上的评估运行期间自动创建的。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1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 mahiatlinux/MasherAI-v6.1-7B-eval-test

数据集描述

• dataset_summary: 该数据集是在评估模型mahiatlinux/MasherAI-v6.1-7B-eval-test在Open LLM Leaderboard上的运行过程中自动创建的。

数据集结构

• 组成: 数据集由63个配置组成，每个配置对应一个评估任务。
• 创建: 数据集从1次运行中创建，每次运行可以在每个配置中找到特定的分割，分割名称使用运行的时间戳命名。
• 额外配置: “results”配置存储了所有运行的聚合结果，用于计算和显示Open LLM Leaderboard上的聚合指标。

加载数据示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_mahiatlinux__MasherAI-v6.1-7B-eval-test", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-04-07T20:16:52.277528的运行结果，包含多个任务的评估数据。
• 结果内容: 包括准确率(acc)、标准误差(acc_stderr)、归一化准确率(acc_norm)、归一化标准误差(acc_norm_stderr)等指标。

配置详情

• 配置列表: 包括但不限于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，分别对应不同的分割，如时间戳分割和最新分割。

数据集使用

• 目的: 用于评估模型在不同任务上的性能。
• 应用: 可用于研究和开发，特别是在模型评估和优化方面。