open-llm-leaderboard/details_Ppoyaa__Lumina-RP

该数据集是在模型Ppoyaa/Lumina-RP的评估运行期间自动创建的，用于Open LLM Leaderboard。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的分割存储，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，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。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of Ppoyaa/Lumina-RP

数据集描述

• dataset_summary: 该数据集是自动创建的，用于评估模型Ppoyaa/Lumina-RP在Open LLM Leaderboard上的表现。

数据集组成

• 配置数量: 63个
• 每个配置对应一个评估任务
• 数据集来源: 单次运行
• 数据集分割: 每个配置中的特定分割，命名基于运行的时间戳
• 特殊配置: "results"，存储所有聚合的运行结果，用于计算和显示聚合指标

加载数据示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Ppoyaa__Lumina-RP", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-04-19T02:18:21.415810的运行
• 结果内容: 包括多个任务的准确率(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任务和时间戳。例如，harness_hendrycksTest_5 配置包含多个子任务的数据文件，如abstract_algebra、anatomy等。

数据文件结构

• split: 时间戳或"latest"
• path: 包含详细数据的文件路径

结论

该数据集专为评估特定模型在多个任务上的表现而设计，提供详细的配置和结果数据，便于分析和验证模型的性能。