open-llm-leaderboard/details_Gille__StrangeMerges_35-7B-slerp

该数据集是在评估模型Gille/StrangeMerges_35-7B-slerp时自动创建的，评估在Open LLM Leaderboard上进行。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分割始终指向最新结果。此外，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。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of Gille/StrangeMerges_35-7B-slerp

数据集来源

• dataset_summary: 该数据集是在评估模型Gille/StrangeMerges_35-7B-slerp时自动创建的，评估过程在Open LLM Leaderboard上进行。

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
• 数据集创建: 从1次运行中创建，每次运行作为一个特定的分割，分割名称使用运行的时间戳。
• 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。

数据集加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_Gille__StrangeMerges_35-7B-slerp", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-04-02T23:17:05.030237的运行结果，详细结果见此链接。
• 结果内容: 包括多个任务的准确率(acc)和标准误差(acc_stderr)等指标。

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，每个文件对应不同的分割（如时间戳分割和最新分割），路径格式为**/details_{配置名称}_{时间戳}.parquet。

数据集使用

• 数据集可通过load_dataset函数加载，指定数据集名称、配置名称和分割类型。
• 数据集用于评估模型在不同任务上的性能，提供详细的性能指标和结果。