open-llm-leaderboard/details_AlanRobotics__nanit_v1.1

该数据集是在Open LLM Leaderboard上对模型AlanRobotics/nanit_v1.1进行评估时自动创建的。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次运行创建，每次运行可以在每个配置中找到，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 AlanRobotics/nanit_v1.1

数据集描述

• dataset_summary: 该数据集是在评估模型AlanRobotics/nanit_v1.1运行期间自动创建的，用于Open LLM Leaderboard。

数据集组成

• 配置数量: 63个
• 每个配置对应一个评估任务
• 数据集创建自: 1次运行
• 数据集结构: 每个运行作为一个特定的分割，分割名使用运行的时间戳命名。"train"分割始终指向最新结果。
• 额外配置: "results"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_AlanRobotics__nanit_v1.1", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-04-19T09:25:22.602358的运行
• 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

每个配置包含多个数据文件，每个文件对应不同的分割（如时间戳分割和最新分割）。

数据集使用

• 加载数据: 使用load_dataset函数加载特定配置和分割的数据。
• 结果分析: 分析各个任务的评估结果，以评估模型的性能。