open-llm-leaderboard-old/details_appvoid__palmer-002.5

数据集是在模型appvoid/palmer-002.5的评估运行期间自动创建的，用于在Open LLM Leaderboard上进行评估。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中创建的，每次运行都可以在特定配置中找到，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，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Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集基本信息

• 名称: Evaluation run of appvoid/palmer-002.5
• 来源: 自动创建于模型 appvoid/palmer-002.5 在 Open LLM Leaderboard 的评估运行中。
• 组成: 包含63个配置，每个配置对应一个评估任务。
• 创建: 从1次运行中创建，每个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。"train" 分割始终指向最新的结果。
• 额外配置: "results" 配置存储所有运行的聚合结果，用于计算和显示聚合指标在 Open LLM Leaderboard。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_appvoid__palmer-002.5", "harness_winogrande_5", split="train")

最新结果

• 来源: 最新结果来自2024-01-25T15:49:21.576501
• 详细结果: 包含多个任务的准确率（acc）、标准化准确率（acc_norm）、标准误差（stderr）等指标。

配置信息

• 配置名称: harness_arc_challenge_25, harness_gsm8k_5, harness_hellaswag_10, harness_hendrycksTest_5
• 数据文件: 每个配置包含多个分割（如2024_01_25T15_49_21.576501和latest），每个分割对应一个或多个parquet文件路径。