open-llm-leaderboard/details_ABX-AI__Silver-Sun-v2-11B

该数据集是在Open LLM Leaderboard上对模型ABX-AI/Silver-Sun-v2-11B进行评估时自动创建的。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，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。README还提供了如何使用`datasets`库中的`load_dataset`函数加载运行细节的示例。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of ABX-AI/Silver-Sun-v2-11B

数据集描述

• dataset_summary: 该数据集是在评估模型ABX-AI/Silver-Sun-v2-11B的过程中自动创建的，用于Open LLM Leaderboard。

数据集组成

• 配置数量: 63个配置，每个配置对应一个评估任务。
• 数据来源: 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。
• 特殊配置: 额外配置“results”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。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_ABX-AI__Silver-Sun-v2-11B", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-04-09T11:22:55.196822的运行。
• 结果内容: 包含多个任务的评估结果，如准确率（acc）、标准误差（acc_stderr）等。

配置详情

• 配置名称: 包括多个任务特定的配置，如"harness|arc:challenge|25"、"harness|gsm8k|5"、"harness|hellaswag|10"等。
• 数据文件: 每个配置包含两个分割的数据文件，分别是基于时间戳的特定分割和最新的分割。

数据集使用

• 数据集加载: 使用load_dataset函数加载特定配置和分割的数据。
• 数据集应用: 用于评估模型在不同任务上的性能，支持Open LLM Leaderboard的指标计算和显示。