open-llm-leaderboard/details_Cheng98__llama-39m

该数据集是在Open LLM Leaderboard上对模型Cheng98/llama-39m进行评估时自动创建的。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，每次运行的结果作为特定配置中的一个分割，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，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 Cheng98/llama-39m

数据集描述

• dataset_summary: 该数据集是在评估模型Cheng98/llama-39m运行期间自动创建的，用于Open LLM Leaderboard。

数据集组成

• 数据结构: 由63个配置组成，每个配置对应一个评估任务。
• 创建来源: 数据集从1次运行中创建，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命名。
• 特殊配置: “results”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。

加载数据示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Cheng98__llama-39m", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-03-21T12:54:56.361777的运行结果，包含多个任务的评估数据。
• 结果内容: 包括但不限于准确率（acc）、标准误差（acc_stderr）、归一化准确率（acc_norm）等指标。

数据集配置详情

• 配置列表:
  • harness_arc_challenge_25
  • harness_gsm8k_5
  • harness_hellaswag_10
  • harness_hendrycksTest_5
• 数据文件路径: 每个配置包含特定时间戳的分割和“latest”分割的数据文件路径。