open-llm-leaderboard/details_Salesforce__xLAM-v0.1-r

该数据集是在Open LLM Leaderboard上对Salesforce/xLAM-v0.1-r模型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。数据集包含一次或多次运行的结果，每次运行都作为一个特定的分割存储，分割名称由运行的时间戳命名。train分割始终指向最新的结果。此外，名为results的配置存储了所有运行的聚合结果，这些结果用于计算和显示Open LLM Leaderboard上的聚合指标。README还提供了如何使用`datasets`库中的`load_dataset`函数加载数据集的示例。

原始信息汇总

数据集概述

数据集名称

• Evaluation run of Salesforce/xLAM-v0.1-r

数据集描述

• 创建目的: 该数据集是自动创建的，用于评估模型Salesforce/xLAM-v0.1-r在Open LLM Leaderboard上的表现。
• 数据集组成: 包含63个配置，每个配置对应一个评估任务。
• 数据集来源: 数据集由1次运行创建，每次运行对应一个特定分割，分割名称使用运行的时间戳命名。
• 特殊配置: 存在一个名为"results"的额外配置，用于存储所有运行的聚合结果，并用于计算和显示聚合指标。

数据集使用方法

• 加载数据: 使用以下Python代码加载特定运行的详细信息： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Salesforce__xLAM-v0.1-r", "harness_winogrande_5", split="train")

最新结果

• 结果概览: 提供了包括准确率、标准误差等在内的多项指标，覆盖了多个任务，如逻辑谬误、机器学习、国际法等。
• 示例指标: 例如，在"harness|arc:challenge|25"任务中，准确率为0.6390784982935154，标准误差为0.014034761386175452。

数据集配置详情

• 配置列表:
  • harness_arc_challenge_25: 包含最新的和特定时间戳的数据分割。
  • harness_gsm8k_5: 包含最新的和特定时间戳的数据分割。
  • harness_hellaswag_10: 包含最新的和特定时间戳的数据分割。
  • harness_hendrycksTest_5: 包含多个子任务的数据分割，如抽象代数、解剖学、天文学等。

该数据集为评估Salesforce/xLAM-v0.1-r模型在多个任务上的表现提供了详细的数据支持。