open-llm-leaderboard/details_aboros98__merlin1.5

该数据集是在Open LLM Leaderboard上对模型aboros98/merlin1.5进行评估时自动创建的。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，每次运行可以在每个配置中找到特定的分割，分割名称使用运行的时间戳命名。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，并用于计算和显示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 aboros98/merlin1.5

数据集创建

• dataset_summary: 该数据集是自动创建的，用于评估模型aboros98/merlin1.5在Open LLM Leaderboard上的表现。

数据集组成

• 配置数量: 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，每次运行作为一个特定的分割，分割名称使用运行的时间戳命名。
• 特别配置: 包含一个名为"results"的额外配置，存储所有运行的聚合结果，用于计算和显示聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_aboros98__merlin1.5", "harness_winogrande_5", split="train")

最新结果

• 结果来源: 来自2024-03-15T14:32:14.694038的运行结果。
• 结果内容: 包含多个任务的准确率(acc)、标准误差(acc_stderr)、归一化准确率(acc_norm)和归一化标准误差(acc_norm_stderr)等指标。

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，根据不同的时间戳(如2024-03-15T14-32-14.694038)和"latest"分割进行组织。