open-llm-leaderboard/details_hamxea__StableBeluga-7B-activity-fine-tuned-v2

该数据集是在模型 hamxea/StableBeluga-7B-activity-fine-tuned-v2 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。数据集包含 1 次运行的结果，每次运行在每个配置中表示为特定的分割，train 分割始终指向最新结果。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。README 还提供了如何使用 `datasets` 库中的 `load_dataset` 函数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 hamxea/StableBeluga-7B-activity-fine-tuned-v2

数据集描述

• dataset_summary: 该数据集是在评估模型hamxea/StableBeluga-7B-activity-fine-tuned-v2的过程中自动创建的，用于Open LLM Leaderboard。

数据集组成

• 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。
• “train”分割始终指向最新的结果。
• 额外配置“results”存储所有运行的聚合结果，用于计算和显示聚合指标。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_hamxea__StableBeluga-7B-activity-fine-tuned-v2", "harness_winogrande_5", split="train")

最新结果

• 提供了最新的运行结果，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

• config_name: harness_arc_challenge_25
• config_name: harness_gsm8k_5
• config_name: harness_hellaswag_10
• config_name: harness_hendrycksTest_5

每个配置包含多个数据文件，每个文件对应不同的分割（如时间戳分割和最新分割），路径指向具体的评估任务数据。