Pairwise comparisons of model selection accuracy between programs.

NIAID Data Ecosystem2026-05-02 收录

数据链接：

https://figshare.com/articles/dataset/Pairwise_comparisons_of_model_selection_accuracy_between_programs_/28671492 数据链接链接失效反馈

官方服务：

资源简介：

Pairwise comparisons of model selection accuracy between programs.

创建时间：

2025-03-26

open-llm-leaderboard-old/details_Steelskull__Umbra-MoE-4x10.7

模型评估

自然语言处理

该数据集是在Open LLM Leaderboard上对模型Steelskull/Umbra-MoE-4x10.7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次运行生成，每次运行的结果存储为特定配置中的一个分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，还有一个名为results的配置，存储了所有运行的聚合结果，用于在Open LLM L

Hugging Face2024-01-21 更新210

open-llm-leaderboard-old/details_speakleash__Bielik-7B-Instruct-v0.1

模型评估

自然语言处理

--- pretty_name: Evaluation run of speakleash/Bielik-7B-Instruct-v0.1 dataset_summary: "Dataset automatically created during the evaluation run of model\ \ [speakleash/Bielik-7B-Instruct-v0.1](https

Hugging Face2024-04-09 更新90

arjun3103/haystack_faithfulness_evaluation

模型评估

自然语言处理

--- dataset_info: features: - name: questions dtype: string - name: contexts sequence: string - name: answers dtype: string - name: ans_type dtype: string - name: faithfuln

Hugging Face2024-06-06 更新80

Appendix D. The parameter estimates from the model fits with their AICc's.

统计建模

模型评估

The parameter estimates from the model fits with their AICc's.

DataCite Commons2020-09-04 更新90

tartuNLP/ifeval_et

自然语言处理

模型评估

ifeval_et是IFEval数据集的爱沙尼亚语版本，用于测量语言模型的指令遵循能力。每个示例都由专业翻译手动翻译并适应爱沙尼亚的文化背景。指令被修改以去除请求输出语言不是英语或爱沙尼亚语的情况。

Hugging Face2025-12-30 更新90