open-llm-leaderboard/details_netcat420__MFANNv0.4

该数据集是在Open LLM Leaderboard上对模型netcat420/MFANNv0.4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。数据集由1次运行创建，每次运行作为每个配置中的一个特定分割，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，还有一个名为results的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。文件还提供了如何使用Hugging Face datasets库加载运行中的详细信息的示例。

原始信息汇总

数据集概述

数据集名称

• pretty_name: Evaluation run of netcat420/MFANNv0.4

数据集描述

• dataset_summary: 该数据集是在评估模型netcat420/MFANNv0.4的过程中自动创建的，用于Open LLM Leaderboard。

数据集组成

• 数据结构: 包含63个配置，每个配置对应一个评估任务。
• 数据来源: 数据集由1次运行创建，每次运行对应一个特定的分割，分割名称使用运行的时间戳命名。
• 额外配置: 配置“results”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。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_netcat420__MFANNv0.4", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 最新结果来自2024-04-09T06:47:38.111444的运行。
• 结果内容: 包括多个任务的准确率(acc)、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，分别对应不同的任务和时间戳。例如，harness_hendrycksTest_5 包含多个子任务的数据文件，如抽象代数、解剖学等。

数据集使用

• 数据加载: 使用load_dataset函数加载特定配置和分割的数据。
• 数据分析: 分析各任务的性能指标，如准确率和标准误差，以评估模型在不同任务上的表现。