open-llm-leaderboard/details_jondurbin__bagel-34b-v0.4

该数据集是在评估模型jondurbin/bagel-34b-v0.4时自动生成的，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，每次运行的结果作为特定分割存储，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，用于在Open LLM Leaderboard上计算和显示聚合指标。

原始信息汇总

数据集概述

数据集名称: Evaluation run of jondurbin/bagel-34b-v0.4

数据集描述: 该数据集是自动创建的，用于评估模型jondurbin/bagel-34b-v0.4在Open LLM Leaderboard上的表现。

数据集组成

• 配置数量: 63个
• 每个配置对应任务: 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，每次运行对应一个特定的分割，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，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_jondurbin__bagel-34b-v0.4", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-04-16T04:16:11.486066的运行结果
• 结果内容: 包含多个任务的评估结果，每个任务的准确率（acc）和标准误差（acc_stderr）等指标。

数据集配置详情

• 配置名称: harness_arc_challenge_25, harness_gsm8k_5, harness_hellaswag_10, harness_hendrycksTest_5等
• 数据文件路径: 每个配置包含多个数据文件，路径格式为**/details_{配置名称}_{时间戳}.parquet
• 数据分割: 包括特定时间戳的分割和"latest"分割，用于获取最新数据。