Exploring LSR & WWA Datasets

DataONE2025-06-17 更新2025-06-28 收录

气象预报

模型评估

数据链接：

https://search.dataone.org/view/sha256:d37263c19c317bc88783ca6a00893047e55813827ca90638178aab9bff3c1eac 数据链接链接失效反馈

官方服务：

资源简介：

Leveraging Operational Datasets to Evaluate Forecast Lead Time and Model Performance

创建时间：

2025-06-21

open-llm-leaderboard-old/details_Steelskull__Umbra-MoE-4x10.7

模型评估

自然语言处理

该数据集是在Open LLM Leaderboard上对模型Steelskull/Umbra-MoE-4x10.7进行评估时自动创建的。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次运行生成，每次运行的结果存储为特定配置中的一个分割，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，用于在Open LLM L

Hugging Face2024-01-21 更新210

Appendix D. The parameter estimates from the model fits with their AICc's.

统计建模

模型评估

The parameter estimates from the model fits with their AICc's.

DataCite Commons2020-09-04 更新90

tartuNLP/ifeval_et

自然语言处理

模型评估

ifeval_et是IFEval数据集的爱沙尼亚语版本，用于测量语言模型的指令遵循能力。每个示例都由专业翻译手动翻译并适应爱沙尼亚的文化背景。指令被修改以去除请求输出语言不是英语或爱沙尼亚语的情况。

Hugging Face2025-12-30 更新90

open-llm-leaderboard-old/details_jsfs11__WildMBXMarconi-SLERP-7B

自然语言处理

模型评估

该数据集是在模型 jsfs11/WildMBXMarconi-SLERP-7B 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 1 次运行的结果，每次运行都作为每个配置中的一个特定分割存储。train 分割始终指向最新的结果。一个名为 results 的额外配置存储了所有运行的聚合结果，这些结果用于计算和显示

Hugging Face2024-01-24 更新140

HWERI/openorca-multiplechoice-5k-comparisons

模型评估

多选题生成

该数据集是beaugogh/openorca-multiplechoice-10k的一个子集，其中添加了模型生成的响应作为被拒绝的响应。使用的模型是beaugogh/Llama2-7b-openorca-mc-v2。

Hugging Face2023-09-09 更新90