open-llm-leaderboard-old/details_jan-hq__stealth-v2

该数据集是在Open LLM Leaderboard上对模型jan-hq/stealth-v2进行评估运行时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集从1次运行中创建，每次运行都作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results配置，存储了运行的聚合结果，用于在Open LLM Leaderboard上计算和显示聚合指标。README还提供了一个Python代码片段，展示了如何加载数据集，并提供了特定运行的最新结果。

原始信息汇总

数据集概述

数据集信息

• 名称: Evaluation run of jan-hq/stealth-v2
• 来源: 自动创建于模型 jan-hq/stealth-v2 在 Open LLM Leaderboard 的评估运行中。
• 组成: 包含 63 个配置，每个配置对应一个评估任务。
• 创建: 从 1 次运行中创建，每个运行的详细信息存储在特定的分割中，分割名称使用运行的时间戳。
• 最新结果: "train" 分割始终指向最新结果。
• 结果汇总: 额外的 "results" 配置存储所有运行的汇总结果，用于计算和显示在 Open LLM Leaderboard 上的汇总指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_jan-hq__stealth-v2", "harness_winogrande_5", split="train")

最新结果

• 最新结果时间戳: 2024-02-29T18:57:50.959590
• 详细结果: 包含多个任务的评估结果，如 "harness|arc:challenge|25", "harness|hellaswag|10" 等。

配置信息

• 配置名称:
  • harness_arc_challenge_25
  • harness_gsm8k_5
  • harness_hellaswag_10
  • harness_hendrycksTest_5
• 数据文件:
  • 每个配置包含多个数据文件，路径格式为 **/details_harness|任务名称|参数_2024-02-29T18-57-50.959590.parquet，例如：
    • **/details_harness|arc:challenge|25_2024-02-29T18-57-50.959590.parquet
    • **/details_harness|gsm8k|5_2024-02-29T18-57-50.959590.parquet
    • **/details_harness|hellaswag|10_2024-02-29T18-57-50.959590.parquet
    • **/details_harness|hendrycksTest-abstract_algebra|5_2024-02-29T18-57-50.959590.parquet

以上内容总结了数据集的基本信息、加载方法、最新结果和配置细节，确保信息准确无误且易于理解。