open-llm-leaderboard/details_frankenmerger__delta-4B-scientific

该数据集是在评估模型frankenmerger/delta-4B-scientific时自动创建的，用于Open LLM Leaderboard的评估。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，还有一个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 frankenmerger/delta-4B-scientific

数据集创建

• dataset_summary: 该数据集是在评估模型frankenmerger/delta-4B-scientific的过程中自动创建的，评估过程发生在Open LLM Leaderboard上。

数据集组成

• 配置数量: 63个配置
• 配置内容: 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，每次运行对应一个特定的分割，分割名称基于运行的时间戳。
• 特殊配置: 包含一个名为"results"的额外配置，用于存储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。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_frankenmerger__delta-4B-scientific", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 最新结果来自2024-03-11T05:03:53.088812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。

数据集配置详情

配置列表

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5

每个配置包含多个数据文件，每个文件对应一个特定的分割，如"2024_03_11T05_03_53.088812"和"latest"。

数据集使用

用户可以通过提供的加载示例代码访问和加载数据集中的特定配置和分割，以进行进一步的分析和应用。