open-llm-leaderboard-old/details_allknowingroger__FrankenLimmy-10B-passthrough

该数据集是在评估模型allknowingroger/FrankenLimmy-10B-passthrough时自动创建的，主要用于在Open LLM Leaderboard上展示评估结果。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次运行生成，每次运行的结果作为一个特定的分割存储在配置中，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，还有一个名为results的配置，存储了所有运行的聚合结果，用于计算和展示在Open LLM Leaderboard上的聚合指标。该数据集是在评估模型allknowingroger/FrankenLimmy-10B-passthrough时自动创建的，主要用于在Open LLM Leaderboard上展示评估结果。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次运行生成，每次运行的结果作为一个特定的分割存储在配置中，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，还有一个名为results的配置，存储了所有运行的聚合结果，用于计算和展示在Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集创建

• 创建背景：该数据集是在对模型 allknowingroger/FrankenLimmy-10B-passthrough 进行评估运行时自动创建的。
• 评估平台：评估运行在 Open LLM Leaderboard 上进行。

数据集结构

• 配置数量：数据集包含 63 个配置，每个配置对应一个评估任务。
• 数据来源：数据集从 1 次运行中创建，每个运行结果作为一个特定的分割（split）存储，分割名称使用运行的时间戳。
• 最新结果："train" 分割始终指向最新的结果。
• 结果汇总：一个额外的配置 "results" 存储所有运行的汇总结果，用于计算和显示在 Open LLM Leaderboard 上的聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_allknowingroger__FrankenLimmy-10B-passthrough", "harness_winogrande_5", split="train")

最新结果

• 结果来源：这些是最新的结果，来自 2024-04-11T06:52:11.506135 的运行。
• 详细指标：包含多个任务的准确率（acc）、标准化准确率（acc_norm）、以及其他特定任务的指标（如 mc1, mc2 等）及其标准误差（stderr）。

配置详情

• 配置名称：如 harness_arc_challenge_25, harness_gsm8k_5, harness_hellaswag_10, harness_hendrycksTest_5 等。
• 数据文件：每个配置包含多个分割（split），如 2024_04_11T06_52_11.506135 和 latest，每个分割对应一个或多个数据文件路径。