open-llm-leaderboard/details_aboros98__merlin1

该数据集是在模型aboros98/merlin1的评估运行过程中自动创建的。数据集包含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，每次运行都作为一个特定的分割存储在配置中，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 aboros98/merlin1

数据集描述

• dataset_summary: 该数据集是在评估模型aboros98/merlin1在Open LLM Leaderboard上的运行过程中自动创建的。

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，每次运行作为一个特定的分割，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，并用于计算和显示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_aboros98__merlin1", "harness_winogrande_5", split="train")

最新结果

• 结果来源: latest results from run 2024-03-12T17:04:34.752225
• 结果内容: 包含多个任务的评估结果，如准确率(acc)、标准误差(acc_stderr)等。

数据集配置详情

配置列表

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个数据文件，每个文件对应一个特定的分割，如"2024_03_12T17_04_34.752225"和"latest"。