open-llm-leaderboard/details_zelus82__JuliusCesar-72B-BeyonderV.0
收藏Hugging Face2024-03-28 更新2024-06-11 收录
下载链接：
https://hf-mirror.com/datasets/open-llm-leaderboard/details_zelus82__JuliusCesar-72B-BeyonderV.0
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是在Open LLM Leaderboard上评估模型zelus82/JuliusCesar-72B-BeyonderV.0时自动生成的。数据集由63个配置组成，每个配置对应一个被评估的任务。它包含一次运行的数据，每次运行都表示为以运行时间戳命名的特定拆分。train拆分始终指向最新结果。此外，还有一个results配置存储了运行的所有聚合结果，用于计算和显示Open LLM Leaderboard上的聚合指标。README还提供了如何使用`datasets`库中的`load_dataset`函数加载数据集的示例。
该数据集是在Open LLM Leaderboard上评估模型zelus82/JuliusCesar-72B-BeyonderV.0时自动生成的。数据集由63个配置组成，每个配置对应一个被评估的任务。它包含一次运行的数据，每次运行都表示为以运行时间戳命名的特定拆分。train拆分始终指向最新结果。此外，还有一个results配置存储了运行的所有聚合结果，用于计算和显示Open LLM Leaderboard上的聚合指标。README还提供了如何使用`datasets`库中的`load_dataset`函数加载数据集的示例。
提供机构：
open-llm-leaderboard
原始信息汇总
数据集概述
数据集名称: Evaluation run of zelus82/JuliusCesar-72B-BeyonderV.0
创建目的: 该数据集是自动创建的，用于评估模型zelus82/JuliusCesar-72B-BeyonderV.0在Open LLM Leaderboard上的性能。
数据集组成:
- 配置数量: 63个
- 每个配置对应一个评估任务
- 数据来源: 从1次运行中创建
- 数据分割: 每个配置中的数据根据运行时间戳命名，"train"分割指向最新结果
- 额外配置: "results"用于存储所有聚合结果，用于计算和显示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_zelus82__JuliusCesar-72B-BeyonderV.0", "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：
- 整体性能指标: acc, acc_stderr, acc_norm, acc_norm_stderr, mc1, mc1_stderr, mc2, mc2_stderr
- 特定任务性能指标: 如harness|arc:challenge|25, harness|hellaswag|10等任务的准确率(acc)和标准误差(acc_stderr)
这些结果详细记录了模型在不同任务上的表现，为模型的进一步优化和评估提供了重要数据支持。
