open-llm-leaderboard/details_bunnycore__Chimera-Apex-7B

该数据集是在评估模型bunnycore/Chimera-Apex-7B时自动创建的，主要用于在Open LLM Leaderboard上展示评估结果。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，用于计算和展示在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: Evaluation run of bunnycore/Chimera-Apex-7B

创建目的: 该数据集是自动创建的，用于评估模型bunnycore/Chimera-Apex-7B在Open LLM Leaderboard上的表现。

数据集组成:

• 配置数量: 63个
• 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，分割名称为运行的时间戳。
• 特殊配置: 存在一个名为"results"的额外配置，用于存储所有运行的聚合结果，并用于计算和显示聚合指标。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_bunnycore__Chimera-Apex-7B", "harness_winogrande_5", split="train")

最新结果

提供了多个任务的最新评估结果，包括但不限于：

• 整体结果: 准确率(acc)为0.6530941286192216，标准误差(acc_stderr)为0.03197494711886491。
• 具体任务结果: 例如，"harness|arc:challenge|25"的准确率为0.6305460750853242，标准误差为0.014104578366491894。

这些结果详细记录了模型在不同任务上的性能表现，为模型的进一步优化和应用提供了重要参考。