open-llm-leaderboard/details_Azure99__blossom-v5-34b

该数据集是在模型Azure99/blossom-v5-34b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。数据集从1次运行中创建，每次运行可以在每个配置中找到特定的分割，分割以运行的时间戳命名。train分割始终指向最新的结果。此外，results配置存储了所有运行的聚合结果，并用于计算和显示Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of Azure99/blossom-v5-34b

数据集描述

• dataset_summary: 该数据集是在评估模型Azure99/blossom-v5-34b运行期间自动创建的，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。
• 创建来源: 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。
• 额外配置: “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。

加载数据示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Azure99__blossom-v5-34b", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 最新结果来自2024-03-14T20:57:30.186390的运行。
• 结果内容: 包括多个任务的准确率(acc)、标准误差(acc_stderr)、归一化准确率(acc_norm)和归一化标准误差(acc_norm_stderr)等指标。

数据集配置详情

配置列表

• harness_arc_challenge_25
  • 数据文件: 包含特定时间戳和最新结果的分割。
• harness_gsm8k_5
  • 数据文件: 包含特定时间戳和最新结果的分割。
• harness_hellaswag_10
  • 数据文件: 包含特定时间戳和最新结果的分割。
• harness_hendrycksTest_5
  • 数据文件: 包含多个子任务的特定时间戳和最新结果的分割。

以上配置均提供了详细的数据文件路径和分割信息，便于直接加载和分析。