open-llm-leaderboard/details_robinsmits__Qwen1.5-7B-Dutch-Chat

该数据集是在模型 robinsmits/Qwen1.5-7B-Dutch-Chat 在 Open LLM Leaderboard 上的评估运行期间自动创建的。数据集由 63 个配置组成，每个配置对应一个评估任务。它包含一次运行的结果，每次运行在每个配置中表示为特定的分割，使用运行的时间戳命名。train 分割始终指向最新结果。一个名为 results 的额外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。README 还提供了如何使用 Python 中的 datasets 库加载运行详情的示例。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of robinsmits/Qwen1.5-7B-Dutch-Chat

数据集描述

• dataset_summary: 该数据集是在评估模型 robinsmits/Qwen1.5-7B-Dutch-Chat 的过程中自动创建的。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次运行创建，每次运行可以在每个配置中找到特定的分割，分割名称使用运行的时间戳命名。"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。

数据集结构

• 配置数量: 63个
• 数据来源: 1次运行
• 分割方式: 每个配置包含基于时间戳的特定分割，以及一个指向最新结果的"train"分割
• 额外配置: "results"配置，用于存储所有聚合结果

加载数据示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_robinsmits__Qwen1.5-7B-Dutch-Chat", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-03-29T17:13:24.716005的运行
• 结果内容: 包括多个任务的准确率(acc)、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分割，如"2024_03_29T17_13_24.716005"和"latest"。