open-llm-leaderboard/details_automerger__ShadowYam-7B

该数据集是在模型automerger/ShadowYam-7B在Open LLM Leaderboard上的评估运行期间自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。它包含1次运行的结果，每次运行在每个配置中表示为特定的分割。train分割始终指向最新的结果。一个名为results的额外配置存储了运行的所有聚合结果，这些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Python中的datasets库加载运行细节的示例。

原始信息汇总

数据集概述

数据集名称: Evaluation run of automerger/ShadowYam-7B

数据集创建目的: 自动创建于模型automerger/ShadowYam-7B在Open LLM Leaderboard的评估运行期间。

数据集组成:

• 配置数量: 63个
• 每个配置对应任务: 一个评估任务
• 数据来源: 来自1次运行
• 数据分割方式: 每个配置中的数据分割以运行的时间戳命名，"train"分割指向最新结果
• 额外配置: "results"，存储所有运行结果的聚合数据，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_automerger__ShadowYam-7B", "harness_winogrande_5", split="train")

最新结果摘要

数据集包含多个任务的评估结果，以下为部分任务的性能指标摘要：

• harness|arc:challenge|25:

  • 准确率 (acc): 0.7158703071672355
  • 标准误差 (acc_stderr): 0.013179442447653884

• harness|hellaswag|10:

  • 准确率 (acc): 0.713802031467835
  • 标准误差 (acc_stderr): 0.004510593395289895

• harness|gsm8k|5:

  • 准确率 (acc): 0.690674753601213
  • 标准误差 (acc_stderr): 0.012731710925078132

以上结果仅为示例，数据集包含更多任务的详细评估结果。