open-llm-leaderboard/details_AA051610__C0318-G

数据集是在模型AA051610/C0318-G的评估运行期间自动创建的，用于Open LLM Leaderboard。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，每次运行都可以在特定配置中找到，分割名称使用运行的时间戳。train分割始终指向最新结果。此外，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。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of AA051610/C0318-G

数据集描述

• dataset_summary: 该数据集是在评估模型AA051610/C0318-G运行期间自动创建的，用于Open LLM Leaderboard。
• 组成: 数据集包含63个配置，每个配置对应一个评估任务。
• 创建: 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: 有一个额外的配置“results”，存储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。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_AA051610__C0318-G", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 最新结果来自run 2024-03-24T17:19:02.060533。
• 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

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，这些文件根据不同的时间戳和“latest”分割进行组织。