open-llm-leaderboard/details_cstr__Spaetzle-v69-7b

该数据集是在Open LLM Leaderboard上对模型cstr/Spaetzle-v69-7b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。数据集是从1次运行中创建的，每次运行在每个配置中作为一个特定的分割，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，用于计算和显示Open LLM Leaderboard上的聚合指标。README文件还包含一个Python代码片段，用于加载数据集和特定运行的最新结果。

原始信息汇总

数据集概述

数据集名称: Evaluation run of cstr/Spaetzle-v69-7b

创建目的: 该数据集是自动创建的，用于评估模型cstr/Spaetzle-v69-7b在Open LLM Leaderboard上的表现。

数据集组成:

• 配置数量: 63个
• 每个配置: 对应一个评估任务
• 数据来源: 来自1次运行
• 数据分割: 每个配置中的数据根据运行时间戳进行分割，"train"分割指向最新结果
• 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

加载数据示例: python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_cstr__Spaetzle-v69-7b", "harness_winogrande_5", split="train")

最新结果

结果来源: 来自2024-04-17T06:21:48.779682的运行

结果内容: 包含多个任务的评估结果，每个任务包括准确率（acc）、标准误差（acc_stderr）、归一化准确率（acc_norm）和归一化标准误差（acc_norm_stderr）等指标。

示例结果: python { "all": { "acc": 0.650742616380891, "acc_stderr": 0.03211332062019013, "acc_norm": 0.6508754142296552, "acc_norm_stderr": 0.03277511317315245, "mc1": 0.5006119951040392, "mc1_stderr": 0.017503487938892514, "mc2": 0.6560847195806554, "mc2_stderr": 0.014918048028961855 }, ... }