prometheus-eval/BiGGen-Bench-Results

该数据集可能用于评估和比较不同模型（如GPT-4、Claude等）在特定任务上的表现。数据集包含多个字段，如capability、task、system_prompt、input、reference_answer等，这些字段用于描述任务和模型的输入输出。数据集还包含多个分割，如llm_as_a_judge、human_eval等，用于模型评估和人类评估的比较。

原始信息汇总

数据集概述

数据集特征

• id: 字符串类型
• capability: 字符串类型
• task: 字符串类型
• instance_idx: 整数类型（int64）
• system_prompt: 字符串类型
• input: 字符串类型
• reference_answer: 字符串类型
• score_rubric: 结构类型，包含以下子特征：
  • criteria: 字符串类型
  • score1_description 至 score5_description: 字符串类型
• response: 字符串类型
• uuid: 字符串类型
• model_name: 字符串类型
• used_for_training: 布尔类型
• human_score: 整数类型（int64）
• language: 字符串类型
• prometheus_8x7b_score 和 prometheus_8x7b_bgb_score: 序列类型（int64）
• prometheus_8x7b_feedback 和 prometheus_8x7b_bgb_feedback: 字符串类型
• gpt4_score, gpt4_04_turbo_score, claude_score: 浮点数类型（float64）
• gpt4_feedback, gpt4_04_turbo_feedback, claude_feedback: 字符串类型
• index_level_0: 整数类型（int64）

数据集分割

• llm_as_a_judge: 68805个样本，大小729673453字节
• human_eval: 2780个样本，大小28496752字节
• multilingual_llm_as_a_judge: 4550个样本，大小38095574字节
• multilingual_human_eval: 420个样本，大小3402901字节

数据集大小

• 下载大小: 346765314字节
• 数据集大小: 799668680字节

配置文件

• config_name: default
• data_files: 根据不同分割指向相应路径