open-llm-leaderboard/details_mvpmaster__Einstein-4d-Marcoro14-nddmpk-KrishnaHercules-7b-slerp

该数据集是在评估模型 mvpmaster/Einstein-4d-Marcoro14-nddmpk-KrishnaHercules-7b-slerp 在 Open LLM Leaderboard 上的表现时自动创建的。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，每次运行都可以在每个配置的特定分割中找到，分割名称使用运行的时间戳命名。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，并用于计算和显示 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 mvpmaster/Einstein-4d-Marcoro14-nddmpk-KrishnaHercules-7b-slerp

数据集描述

• dataset_summary: 该数据集是在评估模型mvpmaster/Einstein-4d-Marcoro14-nddmpk-KrishnaHercules-7b-slerp时自动创建的，用于Open LLM Leaderboard。

数据集组成

• 配置数量: 63个配置，每个配置对应一个评估任务。
• 数据来源: 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。
• 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，用于计算和显示Open LLM Leaderboard上的聚合指标。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_mvpmaster__Einstein-4d-Marcoro14-nddmpk-KrishnaHercules-7b-slerp", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-03-21T21:15:56.648111的最新结果。
• 结果内容: 包含多个任务的评估结果，如"harness|arc:challenge|25"、"harness|hellaswag|10"等，每个任务的评估结果包括准确率(acc)、标准误差(acc_stderr)等指标。