open-llm-leaderboard/details_Cran-May__Test2_SLIDE

该数据集是在Open LLM Leaderboard上对模型Cran-May/Test2_SLIDE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。数据集是从1次运行中创建的，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。一个额外的配置results存储了运行的所有聚合结果，用于计算和显示Open LLM Leaderboard上的聚合指标。文件还包括如何使用Python代码加载运行中的详细信息，并提供了特定运行的最新结果。

原始信息汇总

数据集概述

名称: Evaluation run of Cran-May/Test2_SLIDE

来源: 该数据集是在评估模型Cran-May/Test2_SLIDE在Open LLM Leaderboard上的运行过程中自动创建的。

数据集结构

• 配置数量: 63
• 数据来源: 数据集由1次运行创建，每次运行对应一个特定的任务配置。
• 数据分割: 每个配置中包含特定的时间戳命名的分割，"train"分割指向最新结果。
• 额外配置: 存在一个名为"results"的配置，用于存储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。

加载数据示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Cran-May__Test2_SLIDE", "harness_winogrande_5", split="train")

最新结果

• 结果来源: latest results from run 2024-04-21T07:34:04.955534
• 结果内容: 包含多个任务的评估结果，每个任务的准确率（acc）及其标准误差（acc_stderr）等指标。

配置详情

• 配置列表: 包含多个任务的配置，如"harness|arc:challenge|25", "harness|gsm8k|5", "harness|hellaswag|10"等。
• 数据文件: 每个配置对应的数据文件，包含特定时间戳的分割和"latest"分割。

以上信息概述了数据集的基本情况，包括其来源、结构、加载方式及最新结果的概览。