open-llm-leaderboard/details_Weyaxi__Einstein-v5-v0.2-7B

该数据集是在模型Weyaxi/Einstein-v5-v0.2-7B的评估运行中自动创建的。数据集包含63个配置，每个配置对应一个被评估的任务。数据集由1次运行创建，每次运行可以在每个配置中找到特定的分割，分割以运行的时间戳命名。train分割始终指向最新的结果。此外，一个名为results的配置存储了所有运行的聚合结果，并用于计算和显示在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 Weyaxi/Einstein-v5-v0.2-7B

数据集描述

• dataset_summary: 该数据集是在评估模型Weyaxi/Einstein-v5-v0.2-7B的过程中自动创建的，用于Open LLM Leaderboard。

数据集结构

• 组成: 包含63个配置，每个配置对应一个评估任务。
• 创建来源: 数据集由1次运行创建，每次运行在每个配置中作为特定的分割存在，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，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_Weyaxi__Einstein-v5-v0.2-7B", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-03-27T21:09:37.228677的运行结果，包含多个任务的评估数据。
• 示例数据: 提供了多个任务的准确率（acc）和标准误差（acc_stderr）等指标。

配置详情

• 配置列表: 包括但不限于"harness_arc_challenge_25", "harness_gsm8k_5", "harness_hellaswag_10"等。
• 数据文件: 每个配置对应的数据文件，包含不同的时间戳分割和"latest"分割。

数据集使用

• 目的: 用于评估模型在不同任务上的性能。
• 方法: 通过加载特定配置和分割的数据，分析模型在各个任务上的表现。