open-llm-leaderboard/details_pansophic__m2

该数据集是在评估模型[pansophic/m2](https://huggingface.co/pansophic/m2)时自动生成的，用于[Open LLM Leaderboard](https://huggingface.co/spaces/HuggingFaceH4/open_llm_leaderboard)。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](https://huggingface.co/spaces/HuggingFaceH4/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 pansophic/m2

数据集来源

• dataset_summary: 该数据集是在评估模型pansophic/m2运行期间自动创建的，用于Open LLM Leaderboard。

数据集构成

• 组成: 包含63个配置，每个配置对应一个评估任务。
• 创建方式: 数据集由1次运行创建，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。
• 特殊配置: 有一个额外的配置“results”，存储所有运行结果的聚合数据，用于计算和显示聚合指标。

数据集使用示例

• 加载数据: 使用以下代码加载特定运行的详细信息： python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_pansophic__m2", "harness_winogrande_5", split="train")

最新结果

• 结果示例: 提供了包括准确率、标准误差等在内的多项指标，覆盖多个任务，如arc:challenge、hellaswag、hendrycksTest系列任务等。

数据集配置详情

配置列表

• harness_arc_challenge_25
• harness_gsm8k_5
• harness_hellaswag_10
• harness_hendrycksTest_5 (包含多个子任务配置)

每个配置包含两个数据分割：

• 2024_03_16T01_13_40.097926 (具体时间戳)
• latest (指向最新结果)

这些配置详细记录了每个任务的评估数据，便于用户根据需要加载和分析。